Graph of Skills：大規模エージェントスキルのための依存関係を考慮した構造的リトリーバル
arXiv cs.AI / 2026/4/8
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、エージェントのスキルライブラリをモデル文脈にすべて読み込むことなく、何千もの再利用可能なスキルへとスケールさせるための、推論時の構造的リトリーバル層「Graph of Skills（GoS）」を提案する。
- GoSはオフラインで実行可能なスキルグラフを構築し、その後、推論時に依存関係を考慮した制約付き（bounded）のスキル集合を取得する。取得は、ハイブリッドなセマンティック・レキシカルなシーディング、逆重み付けを行ったPersonalized PageRank、そして文脈予算に基づくハイドレーションによって実現される。
- SkillsBenchおよびALFWorldでの実験により、GoSは「全スキル読み込み」ベースラインと比べて平均報酬を43.6%向上させる一方、入力トークン数を37.8%削減することが示される。
- 本手法は複数のモデルファミリ（Claude Sonnet、GPT-5.2 Codex、MiniMax）にわたって一般化でき、アブレーションおよびスケーリング研究を通じて、サイズ200〜2,000のスキルライブラリに対しても高い性能を維持する。
- 全体としてGoSは、文脈の飽和（context saturation）が引き起こす主要なスケーリングのボトルネックに焦点を当て、タスク性能を保ったまま、トークンコスト、レイテンシ、幻覚リスクを低減することを目指している。
