長期タスクをこなすLLMエージェントが、再利用可能な知識（スキル）をどう実行すべきかを検証した論文です。著者はWasu Top Piriyakulkij氏ら5名で、2026年9月7日にarXivへ投稿されました。従来、スキル指示をエージェントのメインコンテキストウィンドウに読み込む手法は、情報蓄積により推論品質が低下する問題があるとしています。
代替として、スキルパッケージを独立したコンテキストウィンドウを持つ「サブエージェント」として実行する方式を提案・検証しました。入出力の契約が明確なスキルパッケージでは、サブエージェント実行が従来手法を上回る一方、通信のオーバーヘッドというトレードオフが生じるとしています。論文は、再利用可能な知識の効果は内容だけでなく、組織方法や呼び出し方法にも依存すると主張しています。
出典が伝えている要点
- 論文タイトルは『Subagents vs Agent Skills: Executing Reusable Knowledge for Long-Horizon Agentic Tasks』
- 著者はWasu Top Piriyakulkij、Rachel Lawrence、Alicia Curth、Sushrut Karmalkar、Niranjani Prasadの5名
- arXiv投稿日は2026年9月7日
- 従来のスキル実行手法はスキル指示をエージェントのメインコンテキストウィンドウに読み込む方式である
- この従来手法は情報が蓄積されると推論品質が低下するという問題があるとされている
- 代替手法として、スキルパッケージを独立したコンテキストウィンドウを持つ『サブエージェント』として実行する方式が提案されている
- 入出力の契約(input-output contract)が明確なスキルパッケージにおいて、サブエージェント実行は従来手法より性能が高いという実験結果が示されている
- サブエージェント実行には追加の通信オーバーヘッドというトレードオフがあるとされている
- 再利用可能な知識の効果は、知識の内容だけでなく組織方法(how it's organized)と呼び出し方法(how it's invoked)にも依存すると論文は主張している