Neue Benchmarks prüfen, ob LLM-Agenten sich selbst verbessern können

Mehrere neue arXiv-Paper bewerten, ob LLM-Agenten durch angesammelte Erfahrung, externe Skill-Bibliotheken und kontinuierliche Aufgabenströme besser werden können. ContinualSkillBench führt einen Benchmark mit fünf Domänen und jeweils 100 miteinander verbundenen Teilaufgaben ein und zeigt, dass sequenzielle Ausführung die Leistung oft verbessert, die Zugewinne jedoch je nach Modell und Domäne variieren. Die verwandte Arbeit berichtet außerdem, dass explizite Skill-Pflege nicht durchgängig besser ist als In-Context-Anpassung, während feldbewusstes Skill-Retrieval und selektive Speichermethoden in enger gefassten Szenarien helfen können.