WikiSkill: エージェント経験の永続的知識へのコンパイルによるスキル進化

要旨

エージェントスキルは、専門知識とワークフローを再利用可能なリソースにパッケージ化し、AIエージェントの能力を拡張する。最近の研究では、エージェントの経験からそのようなスキルを自動的に発見し、それによってエージェントが相互作用を通じて段階的に適応できるようにしている。しかしながら、スキル開発を導く洞察は通常、最適化履歴全体に散在したままであり、反復間での体系的な再利用が制限されている。我々は、エージェントスキルと永続的な知識ベース（wiki）を共進化させるフレームワークであるWikiSkillを導入する。大まかに言えば、WikiSkillは生の実行経験、蓄積された知識、実行可能なスキルを分離し、経験を継続的にwikiに統合することで、その後のスキル更新がその上に構築できるようにする。多様なベンチマークとモデルにわたって、WikiSkillは最先端のスキル進化手法を一貫して上回り、ほとんどのモデル・ベンチマーク設定でスキルなしのベースラインよりも改善する。我々は、スキル進化がモデルスケーリングを補完することを見いだした。すなわち、大規模なモデルほど進化したスキルから一般的に恩恵を受ける一方で、スキルを持つ小規模なモデルは、スキルを持たないはるかに大規模なモデルを上回ることができる。また、進化したスキルがモデル間およびモデルファミリー間で効果的に転移すること、そして他のモデルによって進化されたスキルが自己進化したスキルを上回り得ることも見いだした。最後に、我々のアブレーション研究は、wikiにおける永続的な知識蓄積が効果的なスキル進化にとって重要であることを確認する。これらの結果は、再利用可能で転移可能なスキルを開発するために、エージェントの経験を系統的に蓄積し洗練することの利点を示している。

English

Agent skills package specialized knowledge and workflows into reusable resources that extend AI agent capabilities. Recent work automatically discovers such skills from agent experience, which enables agents to progressively adapt through interaction. However, the insights that guide skill development typically remain scattered across optimization histories, limiting their systematic reuse across iterations. We introduce WikiSkill, a framework that co-evolves agent skills with a persistent knowledge base (wiki). At a high level, WikiSkill separates raw execution experience, accumulated knowledge, and executable skills, while continuously consolidating experience into the wiki, which subsequent skill updates can build on. Across diverse benchmarks and models, WikiSkill consistently outperforms state-of-the-art skill-evolution methods and improves over no-skill baselines in most model-benchmark settings. We find that skill evolution complements model scaling: larger models generally benefit more from evolved skills, while smaller models with skills can outperform substantially larger models without them. We also find that evolved skills transfer effectively across models and model families, and skills evolved by other models can outperform self-evolved skills. Finally, our ablation studies confirm that persistent knowledge accumulation in the wiki is critical for effective skill evolution. These results demonstrate the benefits of systematically accumulating and refining agent experience for developing reusable and transferable skills.