エージェントの経験からスキルを蓄積する「WikiSkill」フレームワークを発表

エージェント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として統合し、AI エージェントの能力を拡張します。最近の研究では、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相互作用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洞察は通常、最適化履歴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、エージェントのスキルと永続的なナレッジベース（ウィキ）を共進化させるフレームワーク「WikiSkill」を導入しました。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を分離し、経験を継続的にウィキに統合することで、後のスキル更新がその基盤の上に構築できるようにしています。

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、ほとんどのモデル・ベンチ組み合わせではスキルなしのベースラインよりも優れた性能を示しました。また、スキルの進化はモデルのスケーリングを補完することが分かりました。より大規模なモデルほど進化したスキルからの恩恵を受けやすい一方で、スキルを持つ小規模モデルは、それよりも大幅に大きなモデルでもスキルを持たない場合よりも優れた結果を出すことができます。

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、他のモデルによって進化させたスキルが、自己進化させたスキルを上回るケースもあることが分かりました。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。