OpenSkill: Open-World Self-Evolution for LLM Agents

LLM 에이전트가 태스크 프롬프트와 오픈월드 자원만으로 스킬과 검증 신호를 동시에 자가 구축하는 OpenSkill 프레임워크를 제안했다. 타겟 태스크 감독 없이도 기존 baseline 대비 최대 +8.9% 향상을 달성한다.

OpenSkill은 배포 후 LLM 에이전트가 인간 큐레이션 스킬이나 타겟 태스크 피드백 없이 자가 진화하는 open-world self-evolution 설정을 다룬다. 3단계 파이프라인으로 구성된다: (1) 문서, 저장소, 웹에서 근거 지식과 검증 앵커를 획득하고, (2) 이를 전이 가능한 스킬로 합성해 self-built virtual task로 refining하며, (3) zero-shot으로 타겟 에이전트에 배포한다. leakage barrier로 학습 중 타겟 정답이 스킬 구축에 유입되지 않도록 보장한다. SkillsBench 등 3개 벤치마크에서 최고 pass rate를 달성하며, 스킬이 모델 간 전이되고 자가 구축 verifier가 88.9%의 ground-truth 테스트 의도를 커버한다.

핵심 요약

• 태스크 프롬프트만으로 스킬과 검증 신호를 동시 구축하는 open-world self-evolution 정의
• 오픈월드에서 근거 지식과 verification anchor를 독립 획득
• Self-built virtual task로 스킬 refining, 타겟 감독 완전 차단
• SkillsBench에서 기존 최강 baseline 대비 +8.9% 향상
• 스킬이 모델 간 전이 가능하여 약한 모델에도 효과 적용
• 자가 구축 verifier가 ground-truth의 88.9% 테스트 의도 커버

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.