SkillNet: Creare, Valutare e Collegare Competenze IA
SkillNet: Create, Evaluate, and Connect AI Skills
February 26, 2026
Autori: 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
Abstract
Gli attuali agenti di IA possono richiamare strumenti in modo flessibile ed eseguire compiti complessi, ma il loro progresso a lungo termine è ostacolato dalla mancanza di un'accumulazione e trasferimento sistematici delle competenze. Senza un meccanismo unificato per il consolidamento delle abilità, gli agenti spesso "reinventano la ruota", riscoprendo soluzioni in contesti isolati senza sfruttare strategie pregresse. Per superare questa limitazione, presentiamo SkillNet, un'infrastruttura aperta progettata per creare, valutare e organizzare competenze di IA su larga scala. SkillNet struttura le competenze all'interno di un'ontologia unificata che supporta la creazione di abilità da fonti eterogenee, stabilisce connessioni relazionali ricche ed esegue valutazioni multidimensionali su Sicurezza, Completezza, Eseguibilità, Manutenibilità e Consapevolezza dei Costi. La nostra infrastruttura integra un repository di oltre 200.000 competenze, una piattaforma interattiva e un versatile toolkit Python. Le valutazioni sperimentali su ALFWorld, WebShop e ScienceWorld dimostrano che SkillNet migliora significativamente le prestazioni degli agenti, aumentando le ricompense medie del 40% e riducendo i passi di esecuzione del 30% su più modelli di base. Formalizzando le competenze come asset evolutivi e componibili, SkillNet fornisce una solida base affinché gli agenti passino dall'esperienza transitoria alla padronanza duratura.
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.