SkillNet: Crear, Evaluar y Conectar Habilidades de IA
SkillNet: Create, Evaluate, and Connect AI Skills
February 26, 2026
Autores: 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
Resumen
Los agentes de IA actuales pueden invocar herramientas de manera flexible y ejecutar tareas complejas, pero su avance a largo plazo se ve obstaculizado por la falta de acumulación y transferencia sistemática de habilidades. Sin un mecanismo unificado para la consolidación de habilidades, los agentes frecuentemente "redescubren la rueda", redescubriendo soluciones en contextos aislados sin aprovechar estrategias previas. Para superar esta limitación, presentamos SkillNet, una infraestructura abierta diseñada para crear, evaluar y organizar habilidades de IA a escala. SkillNet estructura las habilidades dentro de una ontología unificada que permite crear habilidades a partir de fuentes heterogéneas, establecer conexiones relacionales ricas y realizar evaluaciones multidimensionales en cuanto a Seguridad, Integridad, Ejecutabilidad, Mantenibilidad y Conciencia de Costes. Nuestra infraestructura integra un repositorio de más de 200.000 habilidades, una plataforma interactiva y un kit de herramientas de Python versátil. Las evaluaciones experimentales en ALFWorld, WebShop y ScienceWorld demuestran que SkillNet mejora significativamente el rendimiento de los agentes, incrementando las recompensas promedio en un 40% y reduciendo los pasos de ejecución en un 30% en múltiples modelos base. Al formalizar las habilidades como activos evolutivos y componibles, SkillNet proporciona una base sólida para que los agentes pasen de la experiencia transitoria al dominio duradero.
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.