stamatios
← Voltar ao feed
Robô acrescenta página nova a enciclopédia imensa em crescimento, aprendizado persistente de agentes no WikiSkill
Agentes

WikiSkill do Google dá aprendizado persistente a agentes de IA

resumo de ~3 min

O problema que o WikiSkill ataca

O artigo apresenta o WikiSkill, uma estrutura para evolução de habilidades de agentes de IA. Habilidades (skills) empacotam conhecimento e fluxos de trabalho especializados em recursos reutilizáveis que ampliam as capacidades de um agente. Trabalhos recentes já descobrem essas habilidades automaticamente a partir da experiência do agente, permitindo adaptação progressiva por interação. O problema, segundo os autores, é que os insights que orientam a evolução das habilidades costumam ficar dispersos nos históricos de otimização, o que limita sua reutilização sistemática entre iterações.

Como funciona

O WikiSkill faz habilidades e uma base de conhecimento persistente (um wiki) evoluírem juntas. Em linhas gerais, ele separa três camadas: a experiência bruta de execução, o conhecimento acumulado e as habilidades executáveis. A experiência é continuamente consolidada no wiki, sobre o qual atualizações posteriores de habilidades podem se apoiar.

Resultados

Em diversos benchmarks e modelos, o WikiSkill supera consistentemente métodos de ponta de evolução de habilidades e melhora sobre baselines sem habilidade na maioria das combinações de modelo e benchmark.

Os autores relatam dois achados principais. Primeiro, a evolução de habilidades complementa o escalonamento de modelos: modelos maiores geralmente se beneficiam mais de habilidades evoluídas, enquanto modelos menores equipados com habilidades podem superar modelos substancialmente maiores sem elas. Segundo, as habilidades evoluídas transferem-se bem entre modelos e famílias de modelos, e habilidades evoluídas por outros modelos podem superar as habilidades auto-evoluídas do próprio agente.

Estudos de ablação confirmam que o acúmulo persistente de conhecimento no wiki é crítico para uma evolução eficaz de habilidades. Os autores concluem que esses resultados demonstram os benefícios de acumular e refinar sistematicamente a experiência de agentes para desenvolver habilidades reutilizáveis e transferíveis.