SkillHone : un harnais pour l'évolution continue des compétences des agents via l'historique persistant des décisions

Résumé

Les compétences des agents étendent les agents de modèle de langage avec des procédures, des scripts et des références spécifiques aux tâches, mais les tâches et les environnements qu'elles ciblent changent continuellement. Les méthodes existantes améliorent les compétences dans des exécutions bornées et ne conservent que l'artefact final, en écartant l'historique des décisions dont les agents ultérieurs ont besoin pour interpréter les révisions antérieures, les évaluations et les alternatives rejetées. Nous présentons SkillHone, un harnais pour l'évolution continue des compétences des agents ancrée dans un historique persistant des décisions. SkillHone associe les révisions de compétences à des preuves du côté de l'évaluation qui fournissent un retour d'expérience pratique, en enregistrant des historiques structurés de diagnostics, de révisions, de preuves et de résultats. Des sous-agents aux rôles séparés exécutent des compétences candidates sur des sondes d'entraînement avec des rapports expurgés et proposent des révisions éclairées par les décisions antérieures, permettant un raffinement inter-sessions sans redécouvrir les justifications passées. Sur des benchmarks de recherche approfondie, SkillHone s'exécute sans pile de recherche pré-intégrée et surpasse l'agent de recherche approfondie soutenu commercialement de 15,8 points sur GAIA et de 3,2 points sur WebWalkerQA-EN, tout en dépassant également les méthodes antérieures d'évolution des compétences. Nous déployons en outre SkillHone sur des scénarios d'analyse interne médiée par des outils, où il améliore la précision d'une moyenne de 18,8 points sur sept contextes.

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.