スキル進化を実現するMUSE-Autoskillエージェント

• 大規模言語モデルは複雑なタスクを解決するためにスキルを利用します。
• 本研究では、スキルの作成から評価までのライフサイクルを管理するエージェントフレームワークを提案します。
• スキルを長期的に改善できる点が新しいアプローチです。

大規模言語モデル（LLM）エージェントは、複雑なタスクを解決するために再利用可能なスキルに依存していますが、従来のアプローチではスキルが孤立した静的なものであるため、改善が難しいです。本論文では、スキルの作成、管理、評価を統合的に行うMUSE-Autoskillエージェントを提案します。このフレームワークは、スキルの創出と再利用を促進し、経験に基づく改善を可能にします。特に、スキルレベルのメモリを導入することで、時間をかけてより効果的な再利用が実現されます。

エージェント技術や機械学習に興味がある研究者や開発者に向いています。