SkillNet: AI-vaardigheden creëren, evalueren en verbinden
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
Samenvatting
Huidige AI-agenten kunnen flexibel tools inzetten en complexe taken uitvoeren, maar hun lange-termijnontwikkeling wordt belemmerd door het ontbreken van systematische accumulatie en overdracht van vaardigheden. Zonder een uniform mechanisme voor vaardigheidsconsolidatie moeten agenten vaak "het wiel opnieuw uitvinden", waarbij ze oplossingen in geïsoleerde contexten herontdekken zonder gebruik te maken van eerdere strategieën. Om deze beperking te overwinnen, introduceren wij SkillNet: een open infrastructuur ontworpen voor het grootschalig creëren, evalueren en organiseren van AI-vaardigheden. SkillNet structureert vaardigheden binnen een uniforme ontologie die ondersteuning biedt voor het creëren van vaardigheden uit heterogene bronnen, het leggen van rijke relationele verbindingen en het uitvoeren van multidimensionale evaluatie op het gebied van Veiligheid, Volledigheid, Uitvoerbaarheid, Onderhoudbaarheid en Kostbewustzijn. Onze infrastructuur integreert een repository met meer dan 200.000 vaardigheden, een interactief platform en een veelzijdige Python-toolkit. Experimentele evaluaties op ALFWorld, WebShop en ScienceWorld tonen aan dat SkillNet de prestaties van agenten aanzienlijk verbetert, met een gemiddelde beloningstoename van 40% en een reductie van uitvoeringsstappen met 30% over meerdere backbone-modellen. Door vaardigheden te formaliseren als evoluerende, samenstelbare middelen, biedt SkillNet een robuuste basis voor agenten om van tijdelijke ervaring naar duurzame beheersing te groeien.
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.