WikiSkill: 스킬 진화를 위한 에이전트 경험의 지속적 지식 편집

초록

에이전트 스킬 패키지는 전문 지식과 워크플로우를 재사용 가능한 자원으로 체계화하여 AI 에이전트의 역량을 확장한다. 최근 연구에서는 에이전트 경험으로부터 이러한 스킬을 자동으로 발견하는 방법이 제안되었으며, 이를 통해 에이전트가 상호작용을 통해 점진적으로 적응할 수 있게 되었다. 그러나 스킬 개발을 안내하는 통찰은 일반적으로 최적화 이력에 분산되어 남아 있어, 반복적 작업 간의 체계적 재사용이 제한적이다. 본 연구는 지속적 지식 베이스(위키)와 에이전트 스킬을 공동 진화시키는 프레임워크인 WikiSkill을 제안한다. 높은 수준에서 WikiSkill은 원시 실행 경험, 축적된 지식, 실행 가능한 스킬을 분리하면서, 경험을 지속적으로 위키로 통합하고 이후의 스킬 업데이트가 이를 기반으로 구축될 수 있게 한다. 다양한 벤치마크와 모델에 걸쳐 WikiSkill은 최첨단 스킬 진화 방법보다 일관되게 우수한 성능을 보였으며, 대부분의 모델-벤치마크 설정에서 스킬이 없는 기준선보다 개선된 결과를 나타냈다. 또한 스킬 진화는 모델 스케일링을 보완함을 발견하였다. 즉, 일반적으로 더 큰 모델일수록 진화된 스킬로부터 더 큰 이점을 얻는 반면, 스킬을 갖춘 더 작은 모델은 스킬이 없는 훨씬 더 큰 모델보다 우수한 성능을 발휘할 수 있다. 진화된 스킬은 모델 및 모델 계열 간에 효과적으로 전이되며, 다른 모델에 의해 진화된 스킬이 자기 진화된 스킬보다 우수할 수 있음을 확인하였다. 마지막으로, 절제 연구를 통해 위키에서의 지속적 지식 축적이 효과적인 스킬 진화에 중요함을 입증하였다. 이러한 결과는 재사용 가능하고 전이 가능한 스킬 개발을 위해 에이전트 경험을 체계적으로 축적하고 정제하는 것의 이점을 보여준다.

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.