Xinyuan Song 氏ら6名による論文「スキル・ドリーミング：プルリクエストの流れを通じたリポジトリ技能の進化」は arXiv に収録され、番号は arXiv:2610.36188、分類は人工知能（cs.AI）とソフトウェア工学（cs.SE）、報告番号は CDL-2026-001 である。2026年10月26日に投稿され、PDF、実験的な HTML、TeX ソースなどの形式で閲覧できる。
論文の出発点は次の点にある。大規模言語モデル（LLM）エージェントは複雑なソフトウェア工学タスクにおいて再利用可能なスキルへの依存を強めており、スキルライブラリはリポジトリの開発と保守に不可欠な基盤になりつつある。しかしリポジトリ固有のスキルは固定されたものではなく、コード構造、実装上の慣習、保守要件の変化に合わせて進化しなければ、すぐに陳腐化してしまう。
著者らは、プルリクエスト（PR）が実装とレビューを通じたリポジトリの進化を記録しており、こうした知識の自然な供給源になると指摘する。一方で新しい PR は、リポジトリ固有の実装パターンに従い、関連コンポーネントを一貫して変更し、既存のテストを通し続けながら新機能のテストカバレッジを追加する必要がある。
この双方向の関係は相互強化の循環を形成する。PR がスキル更新のための知識を提供し、更新されたスキルが将来の PR を改善し、リポジトリを保守し、さらなるスキルの進化を支えるのである。PR、リポジトリ、スキルの三者が共進化することを目指し、著者らは Skill Dreaming フレームワークを提案する。
手法としては、リポジトリとその PR 履歴が与えられると、Skill Dreaming は検証済みの PR から実行可能な知識を抽出してリポジトリ固有のスキルライブラリを構築し、新たな PR 情報が得られるたびにスキルを継続的に洗練させる。
これらのスキルが導く範囲は、要求された機能の実装だけにとどまらない。関連するテスト、ドキュメント、互換性、リポジトリの慣習の維持も含まれる。PR 分析、スキル管理、コード実行、継続的インテグレーションを統合することで、本フレームワークはエンドツーエンドのワークフローを提供する。すなわち、学習したスキルをリポジトリの変更に適用し、その後の PR の結果を将来のスキル更新に反映させる仕組みである。
より広い視点では、本研究はエージェントのスキル学習を実際のソフトウェア開発プロセスと密接に結びつけ、スキルライブラリを静的な設定ではなくコードベースとともに成長させることを狙っている。LLM エージェントが長期的なリポジトリ保守に参画するための持続可能な知識蓄積の仕組みとして意義がある。