arXiv · 06.07.2026 ·Оркестрация агентов

MetaSkill-Evolve: рекурсивное самообучение ИИ-агентов через эволюцию навыков

Исследователи представили MetaSkill-Evolve — фреймворк для рекурсивного самосовершенствования LLM-агентов. Система использует двухмасштабный подход к эволюции навыков, позволяя агентам динамически переписывать и оптимизировать свои процедурные знания на основе истории выполнения задач. Это решает проблему неэффективности статичных, написанных вручную инструкций при работе с долгосрочными и открытыми сценариями, значительно повышая адаптивность агентов к новым условиям.

Традиционные агентные системы часто ограничены жестко заданными наборами инструментов или навыков, которые быстро устаревают при изменении контекста задачи. MetaSkill-Evolve внедряет механизм, при котором агент анализирует траектории своих действий и автоматически корректирует файлы навыков. Процесс разделен на два временных масштаба: быстрый цикл выполнения текущей задачи и медленный цикл мета-обучения, в ходе которого происходит рефлексия и обновление библиотеки навыков для будущих итераций.

Такой подход позволяет агентам накапливать опыт и формировать более эффективные стратегии решения сложных многошаговых проблем без участия человека. Метод демонстрирует, как автоматизированная оптимизация процедурной памяти превращает агента из статичного исполнителя в систему, способную к непрерывному развитию и повышению производительности по мере накопления данных о собственных ошибках и успехах.

Ключевые факты

MetaSkill-Evolve использует двухмасштабную архитектуру для разделения оперативного выполнения задач и долгосрочного мета-обучения.
Система автоматически переписывает файлы навыков на основе анализа траекторий выполнения, исключая необходимость ручного обновления кода.
Фреймворк ориентирован на решение задач с длинным горизонтом планирования, где статичные инструкции показывают низкую эффективность.
Исследование Meta (признана экстремистской организацией, деятельность запрещена в РФ) и партнеров фокусируется на автономном накоплении процедурных знаний.
Метод позволяет агентам адаптироваться к разнородным задачам, которые невозможно предусмотреть на этапе проектирования системы.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Инфраструктура для агентов Microsoft представила SkillOpt для автоматической оптимизации навыков ИИ-агентов Microsoft выпустила SkillOpt — фреймворк для автоматического улучшения навыков ИИ-агентов через итеративное обучение и саморефлексию. Система позволяет агентам самостоятельно анализировать результаты выполнения задач, выявлять пробелы в своих способностях и корректировать стратегии действий без участия человека. Это решение направлено на повышение автономности и эффективности сложных агентных систем в динамических средах. Microsoft Research · Инфраструктура для агентов SkillOpt: превращение навыков ИИ-агентов в обучаемые параметры Исследователи Microsoft представили SkillOpt — метод оптимизации поведения ИИ-агентов, при котором инструкции (навыки) становятся обучаемыми параметрами. Вместо ручного редактирования промптов система использует процесс обучения для настройки навыков, что повышает надежность выполнения задач без необходимости изменения весов самой базовой модели. Это позволяет агентам адаптироваться к сложным сценариям более эффективно и предсказуемо. arXiv · Разработка и инструменты SkillOpt-Lite: упрощенный метод самообучения ИИ-агентов через нулевой порядок оптимизации Исследователи представили SkillOpt-Lite — минималистичный фреймворк для оптимизации навыков автономных агентов. В отличие от сложных многоэтапных систем, метод использует подход нулевого порядка (ZO) для итеративного улучшения способностей агента. Это позволяет значительно сократить вычислительные затраты и упростить пайплайн обучения, сохраняя при этом высокую эффективность настройки параметров модели для выполнения целевых задач. arXiv · Оценка и бенчмарки EvoPolicyGym: новый стандарт для оценки автономной эволюции ИИ-агентов Исследователи представили EvoPolicyGym — специализированную среду для тестирования способности ИИ-агентов самостоятельно улучшать исполняемые политики через итеративную обратную связь. В отличие от стандартных тестов, фокусирующихся на финальном результате, этот фреймворк изолирует процесс модификации кода агентом, позволяя количественно оценивать прогресс в обучении и адаптации системы в контролируемых интерактивных условиях. Hacker News · Инфраструктура для агентов Фреймворк для самообучения ИИ-агентов через фиксацию паттернов Разработчики представили инструмент для автоматического накопления опыта ИИ-агентами. Система позволяет модели анализировать собственные успешные действия и сохранять их в виде переиспользуемых навыков. Это решает проблему повторения одних и тех же ошибок, позволяя агенту формировать базу знаний из накопленного опыта без необходимости постоянного дообучения или ручного промпт-инжиниринга для каждой новой задачи. arXiv · Память и RAG AutoMem: автоматизация управления памятью в LLM через метакогнитивные навыки Исследователи представили AutoMem — фреймворк, обучающий языковые модели самостоятельно управлять своей памятью как когнитивным навыком. В отличие от статических RAG-систем, AutoMem наделяет модель способностью решать, какую информацию кодировать, когда извлекать данные и как структурировать знания. Модель получает доступ к файловым операциям как к базовым действиям, что позволяет ей динамически организовывать контекст в процессе выполнения задач. Hacker News · Исследования и наука Концепция Red Queen Gödel Machine: коэволюция агентов и их оценщиков Исследователи представили концепцию «Машины Гёделя Красной Королевы» — архитектуры, в которой ИИ-агенты и их системы оценки развиваются совместно. Этот подход направлен на решение проблемы стагнации при обучении, заставляя агентов постоянно адаптироваться к усложняющимся критериям качества, что позволяет преодолеть ограничения традиционных методов оптимизации и достичь более высокого уровня автономности в сложных задачах. arXiv · Оркестрация агентов WorldEvolver: самообучающиеся модели мира для планирования ИИ-агентов Исследователи представили WorldEvolver — фреймворк для ИИ-агентов, позволяющий им предсказывать последствия действий до их выполнения. В отличие от стандартных моделей мира, система динамически корректирует контекст в процессе работы, не требуя переобучения основного агента. Это повышает точность долгосрочного планирования и снижает риск принятия ошибочных решений из-за неверных прогнозов модели. arXiv · Оркестрация агентов Метод генеративной композиции навыков для ИИ-агентов Исследователи представили фреймворк Generative Skill Composition (GSC), который оптимизирует работу ИИ-агентов при решении сложных многоэтапных задач. Вместо использования монолитных промптов система динамически выбирает и комбинирует модульные «навыки» из библиотеки. Это позволяет агентам эффективнее справляться со специализированными операциями, такими как настройка изолированных сред, запуск тестов или рефакторинг кода в распределенных файловых структурах. Hacker News · Инфраструктура для агентов Metabase представила open-source агента для автоматизации рутинных задач разработчика Команда Metabase выпустила open-source решение для создания автономных агентов, способных выполнять повторяющиеся задачи в среде разработки. Инструмент ориентирован на решение проблем с доступом к контексту проекта и поддержание долгосрочной памяти, позволяя агенту самостоятельно обрабатывать запросы, анализировать логи и выполнять технические операции без постоянного участия человека в процессе исполнения команд.

← Все материалы