Newest papers

Robust Soft Skill Adaptation via Behavioral Localization in Tool-Using Agents

Zijian Jiang, Xilu Wang · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.30041 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các kỹ năng văn bản có thể mở rộng khả năng của các đại lý sử dụng công cụ, nhưng các mô tả kỹ năng dài làm tăng chi phí tính toán. Các lời nhắc mềm cung cấp một sự thay thế nhỏ gọn, tuy nhiên việc học từ toàn bộ quỹ đạo thành công cũng có thể giới thiệu những thay đổi hành vi không cần thiết. Chúng tôi thấy rằng hiệu quả hữu ích của một kỹ năng văn bản được tập trung cao trong một nhóm nhỏ các vị trí quỹ đạo. Dựa trên quan sát này, chúng tôi đề xuất Tính vị trí hành vi, so sánh các đại lý đóng băng với và không có kỹ năng văn bản để xác định các vị trí nơi kỹ năng cả hai tăng khả năng của token thành công và thay đổi đáng kể sự phân phối token tiếp theo. Chúng tôi sử dụng các vị trí địa phương hóa này để giám sát một lời nhắc mềm ngắn. Các thí nghiệm trên SpreadsheetBen

Machine translation (Meta M2M100); the English original follows.

Abstract

Text skills can extend the capabilities of tool-using agents, but long skill descriptions increase computational costs. Soft prompts provide a compact alternative, yet learning from entire successful trajectories may also introduce unnecessary behavioral changes. We find that the useful effect of a text skill is highly concentrated in a small subset of trajectory positions. Based on this observation, we propose Behavioral Localization, which compares the frozen agent with and without the text skill to identify positions where the skill both increases the likelihood of successful tokens and meaningfully changes the next token distribution. We use these localized positions to supervise a short soft prompt. Experiments on SpreadsheetBench with a frozen Qwen3.6-35B-A3B agent show that the top 10\% of trajectory positions capture 96.12\% of the total positive skill gain. In the shared prompt setting, selective supervision improves success from 30.36\% with full trajectory to 36.79\%. Under task-specific conditions, using the top 10\% localized positions achieves 57.38\%, outperforming both the full text skill and the on-policy OPCD baseline. These results show that a small set of behaviorally relevant trajectory positions can provide effective supervision of soft skills.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Trajectory, Set (abstract data type), Computer science, Adaptation (eye), Artificial intelligence, Security token

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange