SkillNet : Créer, évaluer et connecter des compétences IA
SkillNet: Create, Evaluate, and Connect AI Skills
February 26, 2026
Auteurs: 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
Résumé
Les agents d'IA actuels peuvent invoquer des outils avec flexibilité et exécuter des tâches complexes, mais leur progression à long terme est entravée par l'absence d'accumulation et de transfert systématiques des compétences. Sans mécanisme unifié de consolidation des compétences, les agents « réinventent fréquemment la roue », redécouvrant des solutions dans des contextes isolés sans tirer parti des stratégies antérieures. Pour surmonter cette limitation, nous présentons SkillNet, une infrastructure ouverte conçue pour créer, évaluer et organiser des compétences d'IA à grande échelle. SkillNet structure les compétences au sein d'une ontologie unifiée qui prend en charge la création de compétences à partir de sources hétérogènes, établit des relations riches et effectue une évaluation multidimensionnelle couvrant la Sécurité, l'Exhaustivité, l'Exécutabilité, la Maintenabilité et la Conscience des coûts. Notre infrastructure intègre un référentiel de plus de 200 000 compétences, une plateforme interactive et une boîte à outils Python polyvalente. Les évaluations expérimentales sur ALFWorld, WebShop et ScienceWorld démontrent que SkillNet améliore significativement les performances des agents, augmentant les récompenses moyennes de 40 % et réduisant les étapes d'exécution de 30 % sur plusieurs modèles de base. En formalisant les compétences comme des actifs évolutifs et composables, SkillNet fournit une base robuste permettant aux agents de passer d'une expérience transitoire à une maîtrise durable.
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.