新ベンチマーク、LLMエージェントがスキルを進化させられるかを検証

複数の新しいarXiv論文が、LLMエージェントがスキルや記憶、経験を蓄積することで時間とともに改善できるのかを検証している。ContinualSkillBenchは、逐次実行が5つのドメイン全体で概ね性能を高める一方、改善幅はモデルやドメインによって異なり、平均的にはインコンテキスト学習が明示的なスキル管理に匹敵する性能を示すことを明らかにした。関連研究では、分野を考慮したスキル検索、自己進化型エージェント向けのストリーミング評価、エージェント型強化学習のための追跡可能なターン記憶、LLMによるレコメンドシステム最適化が扱われている。