AI 에이전트가 자신의 개선 방법을 스스로 최적화한다
원제 Skill^{infty}: Recursive Self-Improvement for Agent Skill Optimization
추천 11댓글 2
Key Point
AI 에이전트가 문제 해결 방법 자체를 자동으로 개선할 수 있는 체계가 나왔으며, 이는 AGI로 향하는 재귀적 자기개선의 실질적 구현 사례다.
핵심 요약
- 언어 에이전트가 재사용 가능한 스킬에 절차적 지식을 저장하는데, 기존 스킬 최적화 방법들은 사람이 설계한 고정된 절차를 따르거나 각 작업마다 메타스킬을 재학습한다.
- Skill^∞는 메타 에이전트가 메타스킬을 따라 작업 스킬을 최적화하고, 동일한 절차로 메타스킬 자신도 최적화하는 재귀적 자기개선(RSI) 방식을 제시한다.
- 최적화 과정은 에이전트가 주도하며, 실행 추적을 진단하고 후보를 제안하며 독립적 검토를 요청하고 탐색 예산을 배분하는 단계들을 정의한다.
- 메타스킬은 작업 스킬과 분리되어 다양한 스킬 최적화 작업에서 개선된 후, 여러 도메인의 작업 스킬 최적화에 재사용될 수 있다.
- 배포 시에도 두 수준의 스킬 모두 표준 패키지로 로드된다.
- SkillsBench의 83개 작업에서 Skill^∞는 60.7%의 통과율을 달성하여 인간 설계 스킬의 56.4%와 SkillEvolver의 54.5%를 초과했다.