SkillHone: Un arnés para la evolución continua de habilidades de agentes a través del historial persistente de decisiones

Resumen

Las habilidades de los agentes dotan a los modelos de lenguaje con procedimientos, guiones y referencias específicas para cada tarea, pero los entornos y tareas que abordan cambian continuamente. Los métodos existentes mejoran estas habilidades en ejecuciones acotadas y conservan solo el artefacto final, descartando el historial de decisiones que los agentes posteriores necesitan para interpretar revisiones previas, evaluaciones y alternativas rechazadas. Presentamos SkillHone, un sistema para la evolución continua de habilidades en agentes, fundamentado en un historial persistente de decisiones. SkillHone empareja las revisiones de habilidades con evidencia del lado de la evaluación que proporciona retroalimentación práctica, registrando historiales estructurados de diagnósticos, revisiones, evidencia y resultados. Subagentes con roles separados ejecutan habilidades candidatas sobre pruebas de práctica con informes censurados y proponen revisiones informadas por decisiones previas, permitiendo refinamientos entre sesiones sin redescubrir el razonamiento pasado. En puntos de referencia de investigación profunda, SkillHone opera sin un sistema de búsqueda preintegrado y supera al agente de investigación profunda respaldado comercialmente en 15.8 puntos en GAIA y 3.2 puntos en WebWalkerQA-EN, al mismo tiempo que supera los métodos previos de evolución de habilidades. Además, implementamos SkillHone en escenarios internos de análisis mediados por herramientas, donde mejora la precisión en un promedio de 18.8 puntos en siete configuraciones.

English

Agent skills extend language-model agents with task-specific procedures, scripts, and references, but the tasks and environments they target continually change. Existing methods improve skills in bounded runs and retain only the final artifact, discarding the decision history that later agents need to interpret prior revisions, evaluations, and rejected alternatives. We introduce SkillHone, a harness for continual agent skill evolution grounded in persistent decision history. SkillHone pairs skill revisions with evaluation-side evidence that supplies practice feedback, recording structured histories of diagnoses, revisions, evidence, and outcomes. Role-separated subagents run candidate skills on practice probes with redacted reporting and propose revisions informed by prior decisions, enabling cross-session refinement without rediscovering past rationale. On deep-research benchmarks, SkillHone runs without a pre-integrated search stack and outperforms the commercially backed deep-research agent by 15.8 points on GAIA and 3.2 points on WebWalkerQA-EN, while also exceeding prior skill-evolution methods. We further deploy SkillHone on internal tool-mediated analysis scenarios, where it improves accuracy by an average of 18.8 points across seven settings.