Google、エージェントの継続的学習支援フレームワーク「WikiSkill」を発表

PDF 版はこちら

HTML（実験的）

要旨：エージェントのスキルパッケージは、専門知識とワークフローを再利用可能なリソースに統合し、AI エージェントの能力を拡張します。近年の研究では、エージェントの経験から自動的にこうしたスキルを発見する手法が提案されており、これによりエージェントは対話を通じて段階的に適応できるようになります。しかし、スキルの発展を導く知見は通常、最適化履歴の中に散在したままとなり、反復ごとの体系的な再利用には限界があります。

そこで私たちは「WikiSkill」というフレームワークを導入しました。これは、エージェントのスキルと永続的な知識ベース（ウィキ）を共進化させるものです。高レベルでは、WikiSkill は生の実行経験、蓄積された知識、そして実行可能なスキルの 3 つを分離し、経験を継続的にウィキに統合します。その後のスキル更新は、このウィキを基盤として行われます。

多様なベンチマークとモデルにおいて、WikiSkill は最先端のスキル進化手法を一貫して上回り、多くのモデル・ベンチ組み合わせでスキルなしのベースラインよりも優れた結果を示しました。また、スキルの進化はモデルのスケーリングと相補的であることがわかりました。一般的に大規模なモデルほど進化したスキルからの恩恵が大きく受けますが、小規模なモデルでもスキルを付与することで、スキルを持たないより大幅に大きなモデルを上回る性能を発揮します。

さらに、進化したスキルは異なるモデルやモデルファミリー間でも効果的に転移可能であり、他モデルによって進化させたスキルの方が自己進化させたスキルよりも優れた結果を出す場合もあることが判明しました。最後に、アブレーション研究により、ウィキにおける永続的な知識の蓄積が効果的なスキル進化に不可欠であることが確認されました。

これらの結果は、再利用可能で転送可能なスキルを開発するために、エージェントの経験を体系的に蓄積し、洗練させることの利点を示しています。

提出履歴

送信者：Liyan Tang [メールを表示] [v1]

2026年8月27日（木）17時59分11秒 UTC (789 KB)