SkillNet: KI-Fähigkeiten erstellen, bewerten und vernetzen
SkillNet: Create, Evaluate, and Connect AI Skills
February 26, 2026
Autoren: Yuan Liang, Ruobin Zhong, Haoming Xu, Chen Jiang, Yi Zhong, Runnan Fang, Jia-Chen Gu, Shumin Deng, Yunzhi Yao, Mengru Wang, Shuofei Qiao, Xin Xu, Tongtong Wu, Kun Wang, Yang Liu, Zhen Bi, Jungang Lou, Yuchen Eleanor Jiang, Hangcheng Zhu, Gang Yu, Haiwen Hong, Longtao Huang, Hui Xue, Chenxi Wang, Yijun Wang, Zifei Shan, Xi Chen, Zhaopeng Tu, Feiyu Xiong, Xin Xie, Peng Zhang, Zhengke Gui, Lei Liang, Jun Zhou, Chiyu Wu, Jin Shang, Yu Gong, Junyu Lin, Changliang Xu, Hongjie Deng, Wen Zhang, Keyan Ding, Qiang Zhang, Fei Huang, Ningyu Zhang, Jeff Z. Pan, Guilin Qi, Haofen Wang, Huajun Chen
cs.AI
Zusammenfassung
Aktuelle KI-Agenten können Werkzeuge flexibel aufrufen und komplexe Aufgaben ausführen, doch ihr langfristiger Fortschritt wird durch das Fehlen systematischer Ansammlung und Übertragung von Fähigkeiten behindert. Ohne einen einheitlichen Mechanismus zur Konsolidierung von Fähigkeiten „erfinden Agenten das Rad häufig neu“, indem sie Lösungen in isolierten Kontexten wiederentdecken, ohne auf frühere Strategien zurückzugreifen. Um diese Einschränkung zu überwinden, stellen wir SkillNet vor, eine offene Infrastruktur zur Erstellung, Bewertung und Organisation von KI-Fähigkeiten im großen Maßstab. SkillNet strukturiert Fähigkeiten innerhalb einer einheitlichen Ontologie, die die Erstellung von Fähigkeiten aus heterogenen Quellen unterstützt, reichhaltige relationale Verbindungen herstellt und mehrdimensionale Bewertungen in den Bereichen Sicherheit, Vollständigkeit, Ausführbarkeit, Wartbarkeit und Kostenbewusstsein vornimmt. Unsere Infrastruktur integriert ein Repository mit über 200.000 Fähigkeiten, eine interaktive Plattform und ein vielseitiges Python-Toolkit. Experimentelle Auswertungen auf ALFWorld, WebShop und ScienceWorld zeigen, dass SkillNet die Leistung von Agenten erheblich verbessert, indem die durchschnittlichen Belohnungen um 40 % gesteigert und die Ausführungsschritte über mehrere Backbone-Modelle hinweg um 30 % reduziert werden. Indem Fähigkeiten als sich entwickelnde, kombinierbare Assets formalisiert werden, bietet SkillNet eine robuste Grundlage für Agenten, um von vorübergehender Erfahrung zu dauerhafter Meisterschaft zu gelangen.
English
Current AI agents can flexibly invoke tools and execute complex tasks, yet their long-term advancement is hindered by the lack of systematic accumulation and transfer of skills. Without a unified mechanism for skill consolidation, agents frequently ``reinvent the wheel'', rediscovering solutions in isolated contexts without leveraging prior strategies. To overcome this limitation, we introduce SkillNet, an open infrastructure designed to create, evaluate, and organize AI skills at scale. SkillNet structures skills within a unified ontology that supports creating skills from heterogeneous sources, establishing rich relational connections, and performing multi-dimensional evaluation across Safety, Completeness, Executability, Maintainability, and Cost-awareness. Our infrastructure integrates a repository of over 200,000 skills, an interactive platform, and a versatile Python toolkit. Experimental evaluations on ALFWorld, WebShop, and ScienceWorld demonstrate that SkillNet significantly enhances agent performance, improving average rewards by 40% and reducing execution steps by 30% across multiple backbone models. By formalizing skills as evolving, composable assets, SkillNet provides a robust foundation for agents to move from transient experience to durable mastery.