NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

EfficientSkill:エージェントのSkillを「育ててから削る」二段階最適化──12構成中11構成で出力トークンを削減(最大約80%)

Google LLCの所属表記をもつ研究者3人とパデュー大学の研究者1人は2026年11月15日、AIエージェントのSkill(作業手順の指示)を、まず精度優先で育ててからトークンを削る二段階のフレームワーク「EfficientSkill」をarXivに発表した(arXiv:2611.19823)。MATH-500、ALFWorld、SpreadsheetBenchの3ベンチマークを4モデルで評価した12構成のうち11構成で、比較対象のEvoSkillより出力トークンを削減し、最大は79.7%だった。3ベンチマークの平均精度はいずれも上昇し、SpreadsheetBenchではGemini 3.8 Flashで+14.3ポイント、Grok 4.1 Fastで+17.5ポイントと報告している。数値は著者らの実験値で、論文は査読前のプレプリント。EfficientSkill自身の公式コード公開は今回確認できていない。

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.

arXiv:2611.19823のabstract(2026-11-15投稿、2026-11-18確認)

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。

図解EfficientSkillの二段階構成(論文abstract・本文の記載)
  1. 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

  2. 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

  3. 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

  4. 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。

図解EvoSkill比の出力トークン変化(論文Table 2の値、マイナスが削減)
  • 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

  1. 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
  2. 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

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む