AIエージェントのSkill最適化では、失敗した実行の軌跡から指示を書き足して精度を上げる「反省型」の手法が知られている。論文が比較対象にするEvoSkillもこの系統だ。ただし抽象で著者らは、失敗例への対処を重ねるうちに例外的なルールが蓄積してプロンプトが肥大化し、トークン消費が膨らんで、誤りを長く繰り返す実行につながると指摘する。精度を上げる追加と、費用・安定性を悪化させる肥大化が同時に進むのが課題だ。
「われわれはEfficientSkillを導入する。これは、トークンのペナルティなしで信頼できるSkillをまず発見し、次にそのSkillを初期値として精度を守る剪定(pruning)を暖機開始させ、指示を圧縮し、エージェントのターン数に上限を設け、再利用できるコードをワークスペースのユーティリティへ移す二段階のフレームワークである。」
We introduce EfficientSkill, a two-step framework that first discovers a reliable skill without token penalties, and then warm-starts accuracy-guarded pruning from that skill to compress instructions, bound agent turns, and offload reusable code into workspace utilities with zero implementation prompt cost.
第1段階で精度を固め、第2段階で削る
EfficientSkillの第1段階は、トークン長のペナルティを付けずに成功率の高いSkillを探索する段階だ。ここで見つかった高精度のSkillがアンカー(初期値)になる。第2段階は、そのアンカーを初期値に、精度の下がり幅に条件を付けた剪定を行う。指示文の圧縮、エージェントのターン数への上限設定、そして繰り返し使う処理をプロンプトの指示ではなくワークスペースのユーティリティコードへ移す、の3つを組み合わせる。コードの実装自体はプロンプト上の追加コストなしで済む、と論文は説明する。
- 01 入力
失敗・成功のロールアウト
反省型Skill最適化は実行の軌跡から指示を修正するが、例外ルールの蓄積がプロンプトの肥大化とトークン増を招く
- 02 第1段階
精度優先のSkill探索
トークン長のペナルティなしで成功率の高いアンカーSkillを発見する
- 03 第2段階
精度ガード付き剪定
アンカーを初期値に、指示の圧縮・ターン数の上限・再利用コードのワークスペース化を進める
- 04 出力
トークン効率化されたSkill
EvoSkill比で12構成中11構成が出力トークンを削減(最大79.7%)、3ベンチマークの平均精度はすべて上昇
arXiv:2611.19823v1のabstractと本文(2026-11-18全文確認)の記載から作成。剪定の成否判定には検証用データを使い、精度が条件を満たさない場合は初期値へ戻す。
4モデル×3ベンチマークの12構成で検証
評価はMATH-500(数学)、ALFWorld(テキストで進める家庭内タスクのナビゲーション)、SpreadsheetBench(表計算)の3ベンチマークで、Claude Opus 5.5、Gemini 3.8 Flash、Grok 4.1 Fast、オープンウェイトのGemma 4 26Bの4モデルを使う。各ベンチマークのデータは訓練・検証・テストに分かれ、MATH-500なら80問・40問・280問だ。選ばれたSkillはテスト用データで4モデルそれぞれに評価され、4モデル×3ベンチマークの12構成になる。比較の基準は、トークンを制約しないEvoSkillだ。
結果は、出力トークン(1エピソードあたり)が12構成のうち11構成でEvoSkillを下回り、削減率の最大はALFWorldのGemini 3.8 Flashで79.7%だった。唯一増えたのはALFWorldのGemma 4 26Bで+4.4%。平均精度は3ベンチマークすべてでEvoSkillを上回り、SpreadsheetBenchではGemini 3.8 Flashが58.2%から72.5%(+14.3ポイント)、Grok 4.1 Fastが57.5%から75.0%(+17.5ポイント)へ上がった。論文はこの改善について、行き詰まったループをコンパクトなワークフローに置き換えた効果だと説明する。
Claude Opus 5.5
- MATH-500
- −76.0%
- ALFWorld
- −59.7%
- Spreadsheet
- −48.1%
Gemini 3.8 Flash
- MATH-500
- −68.7%
- ALFWorld
- −79.7%
- Spreadsheet
- −37.5%
Grok 4.1 Fast
- MATH-500
- −14.1%
- ALFWorld
- −3.2%
- Spreadsheet
- −57.5%
Gemma 4 26B
- MATH-500
- −40.3%
- ALFWorld
- +4.4%
- Spreadsheet
- −53.5%
arXiv:2611.19823v1のTable 2(2026-11-18全文確認)から作成。SpreadsheetはSpreadsheetBench。1エピソードあたりの出力トークンで、+4.4%のALFWorld×Gemma 4 26Bが12構成中唯一の増加。すべて著者らの実験値で、第三者による再現は含まれない。
出力トークンだけでなく総トークンも減る
EfficientSkillはSkillファイル(SKILL.md)自体も短くする。論文の表によれば、MATH-500のClaude Opus 5.5ではSKILL.mdの語数が1,157語から649語に減り、入力トークンが36.1%減、推論コストが51.9%減と報告されている。抽象は、生成トークンと再生される履歴の両方を縮めることで、フルプレフィックスのKVキャッシュの有無にかかわらず、評価した全構成で総トークン使用量と推論コストが下がると主張している。出力トークンの削減だけでは請求額は減らないため、この区分は実務上の要点になる。
公開状況と読むときの留保
今回確認できた範囲では、EfficientSkill自身の公式な実装コードの公開は見つからない。論文のHTMLにGitHubリポジトリなどコード公開先の記載はなく、比較対象のEvoSkillは別プロジェクトなので、その公開物をEfficientSkillの実装として扱うことはできない。論文は査読前のプレプリント(work in progress)で、arXiv上のライセンス表記はCC BY 4.0だ。記載された数値は著者らの実験値であり、別モデルや別タスクへの移植、長期運用での効果は今回の資料からは判断できない。
出典
- arXiv:2611.19823「EfficientSkill: Learning Skills for Token-Efficient Multi-Turn Agents」abstract(2026-11-15投稿、2026-11-18本文確認)二段階フレームワークの定義、12構成の結果(11構成で出力トークン削減・最大80%)、3ベンチマークの平均精度上昇、SpreadsheetBenchの+14.3/+17.5ポイント、総トークンとコスト低下の主張の原典
- arXiv:2611.19823v1 HTML版全文(2026-11-18確認)著者所属(Google LLC 3名・Purdue大学1名)、4モデルの構成とMATH-500のデータ分割、Table 2の構成別数値、SKILL.md圧縮の例、ライセンスCC BY 4.0
出典の確認日 2026.11.18