強化学習による段階的エージェントスキル生成手法を提案

記事の3ポイント

1. 1

   強化学習によるスキル生成アプローチ

   既存のヒューリスティックやパイプライン方式に代わり、学習ベースのアプローチで異種ソース間の一貫したスキルモデル化を可能にする Skill-α を提案する。

2. 2

   逐次編集とロールバック報酬の導入

   スキル構築を個別評価可能な編集に分解し、元のスキルと編集後のスキルの実行結果を比較する新規なロールバック報酬によって各編集を評価する手法を採用した。

3. 3

   ベンチマークにおける性能向上

   GPT-4o ワーカー環境下で CL-Bench で 3.3 ポイント、tau2-bench で 6.7 ポイントの平均ダウンストリーム成功率向上を記録し、既存最強手法を上回った。