Repo-To-Skill：GitHubリポジトリをAI4AIスキルへ蒸留する

Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills

September 2, 2026

著者: Jianlyu Chen, Yuyang Hu, Hongjin Qian, Jiawei Liu, Wenqing Wei, Xiaolong Chen, Defu Lian, Zhicheng Dou, Chaozhuo Li, Qiwei Ye, Zheng Liu

cs.AI

要旨

自律エージェントは、機械学習（ML）研究をエンドツーエンドで遂行し始めている。これらのエージェントは、モデルバックボーンと、計画・実行・メモリ・検証のためのハーネスを組み合わせるが、このアーキテクチャでは、ドメイン固有のノウハウは依然としてエージェントの外部に残される。我々は、この欠落した層を運用知識（operational knowledge）と呼ぶ。これは、手法を知っていることと、それを機能させることを隔てるノウハウである。この知識は、この分野に存在しないわけではない。それはリポジトリや論文に登場するが、人間の読者向けに書かれた形式であり、タスク中に読み込むには大きすぎる。一旦、コンパクトで検証済みのスキルへと蒸留されれば、この知識は毎回の実行中に再発見されるのではなく、タスク間で再利用できる。 我々は、スキルを作成し、研究の最中にそれを活用する、スキル駆動型研究エージェントであるDisCoを提案する。その蒸留は、タスク非依存とタスク指向という2つの相補的な形式で実行される。前者は、この分野で広く使われているリポジトリを再利用可能なスキルへと凝縮するものであり、オープンエコシステム全体に適用され、1,000の広く使用されているMLリポジトリから蒸留され、20の領域と178の能力ファミリーに編成された、5,000以上の検証済みスキルからなるAREXスキルライブラリを生み出す。GPT-5.5バックボーン、研究ハーネス、および下流の実行予算を固定した状態で、スキルを備えた研究エージェントは、スキルを持たない同一エージェントと比較して、MLE-benchで134.3%、PaperBenchで34.4%、FrontierCSで9.2%、PassNetで14.0%高いスコアを達成した。これらの向上は、その固定された設定の下で、蒸留された運用コンテキストを追加することから生じるものである。

English

Autonomous agents are beginning to carry out machine-learning (ML) research end to end. These agents combine a model backbone with a harness for planning, execution, memory, and verification, but this architecture still leaves domain-specific know-how outside the agent. We call this missing layer operational knowledge, the know-how that separates knowing a method from making it work. That knowledge is not absent from the field. It appears in repositories and papers, but in forms written for human readers and too large to load during a task. Once distilled into compact, verified skills, this knowledge can be reused across tasks rather than rediscovered during each run. We present DisCo, a skill-powered research agent that creates skills and uses them during research. Its distillation runs in two complementary forms: task-agnostic, condensing the field's widely used repositories into reusable skills, and task-oriented, producing the skills a concrete task calls for. The former, applied across the open ecosystem, yields the AREX-Skill Library, with 5,000+ verified skills distilled from 1,000 widely used ML repositories and organized into 20 areas and 178 capability families. With the GPT-5.5 backbone, research harness, and downstream execution budget held fixed, the skill-equipped research agent scores 134.3% higher on MLE-bench, 34.4% higher on PaperBench, 9.2% higher on FrontierCS, and 14.0% higher on PassNet than the same agent without skills. These gains come from adding distilled operating context under that fixed setup.