에이전트 학습용 작업 환경을 자동으로 만드는 Skill2Env 프레임워크
원제 Skill2Env: Capability-Oriented Environment Synthesis from Skills for General Agents
추천 22댓글 1
Key Point
에이전트 학습을 위한 작업 환경 구성의 병목을 자동화로 해결하며, 스킬이라는 기존 지식에서 출발해 난이도를 체계적으로 조절하는 방식이 에이전트 학습의 실용성을 크게 높일 수 있음을 보여준다.
핵심 요약
- 에이전트를 도구 사용과 다단계 상호작용이 필요한 작업으로 학습시키려면 실행 가능한 환경이 필수이지만, 현재는 작업과 환경을 함께 구성하기가 어렵고 확장성이 떨어진다.
- Skill2Env는 기존 스킬(도메인 지식, 작업 절차, 도구 사용 지시)에서 출발해 에이전트의 역량 요구사항을 기반으로 작업과 환경을 자동 합성하는 프레임워크이다.
- 난이도 패턴과 작업 청사진을 통해 목표, 도전 요소, 환경 사실, 정보 경계, 평가 기준을 명시하고, 이를 토대로 작업 지시, 실행 기반, 작업 공간, 평가자를 함께 구성한다.
- 반복적 작업 경화(Iterative Task Hardening)는 에이전트 실행 기록을 분석해 충분히 어렵지 않은 작업 설계를 찾아내고, 난이도 패턴을 강화·확장하며 청사진과 환경을 수정한다.
- Skill2Env 환경에서 생성한 고품질 궤적 1.5K개를 지도 미세조정에 사용하면 다양한 에이전트 벤치마크에서 일관되게 성능이 향상된다.