LLM 에이전트의 스킬 라이브러리가 단일 해상도 프롬프트 블록으로 처리되어 관련성과 비용 간의 긴장이 발생하는 문제를 해결하기 위해 계층적 스킬 진화 프레임워크 SkillLens를 제안한다. 정책·전략·절차·기본 요소 4개 레이어로 구성된 그래프에 스킬을 조직하고, 호환 가능한 서브스킬은 직접 재사용하면서 불일치 부분만 적응적으로 수정한다. MuLocbench와 ALFWorld에서 강력한 기준선을 능가하며 버그 위치 파악 Acc@1 최대 6.31pp 향상, 에이전트 성공률 45%에서 51.31%로 향상을 달성했다.
- •SkillLens는 스킬을 정체·전략·절차·기본 요소 4개 레이어로 조직하여 계층적으로 관리한다
- •호환 가능한 서브스킬은 직접 재사용하고 불일치 부분만 적응적으로 수정한다
- •혁스 불일치 가정 하에서 혼합 세분성 적응이 하선형 비용을 발생시킨다는 이론적 분석이 제시된다
- •MuLocbench와 ALFWorld에서 버그 위치 파악 Acc@1 최대 6.31pp 향상, 에이전트 성공률 45%에서 51.31%로 올랐다
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
SkillLens: Adaptive Multi-Granularity Skill Reuse for Cost-Efficient LLM Agents
- 1.SkillLens: 정송·전략·절차·기본 요소 4계층 스킬 그래프로 LLM 에이전트 스킬 재사용 최적화
- 2.도수 보정 랜덤 워크와 검증기로 호환 서브스킬만 재사용, 불일치 부분만 로컈 수정하는 선택적 적응
- 3.MuLocbench Acc@1 6.31pp 향상, ALFWorld 에이전트 성공률 45.00%에서 51.31%로 개선
왜 중요한가?
스킬 라이브러리의 단순 플랫 구조 한계를 극복하여 관련성과 비용의 균형을 맞추는 계층적 혼합 세분도 적응형 스킬 재사용 방법을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2605.08386v1 Announce Type: new Abstract: Skill libraries have become a practical way for LLM agents to reuse procedural experience across tasks. However, existing systems typically treat skills as flat, single-resolution prompt blocks. This creates a tension between relevance and cost: injecting coarse skills can introduce irrelevant or misleading context, while rewriting entire skills is expensive and often unnecessary. We propose SkillLens, a hierarchical skill-evolution framework that
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
