Nuevos benchmarks ponen a prueba si los agentes LLM pueden reutilizar habilidades

Investigadores presentaron ContinualSkillBench, un marco dinámico de evaluación para el aprendizaje continuo de habilidades en contexto en cinco dominios, con 100 subtareas interconectadas en cada uno. El benchmark concluye que la ejecución secuencial suele mejorar el rendimiento, pero las ganancias varían según el modelo y el dominio, y que el aprendizaje en contexto rinde, en promedio, de forma comparable al mantenimiento explícito de habilidades. Trabajos relacionados en arXiv analizan cuellos de botella en torno a la recuperación estructurada de habilidades, la fiabilidad de la autoevolución en streaming y la memoria trazable para el aprendizaje por refuerzo de agentes en horizontes largos.