Novos benchmarks testam se agentes de LLM conseguem evoluir habilidades

Vários novos artigos no arXiv examinam se agentes de LLM podem melhorar com o tempo ao acumular habilidades, memórias ou experiência. O ContinualSkillBench constata que a execução sequencial geralmente melhora o desempenho em cinco domínios, mas os ganhos variam conforme o modelo e o domínio, e o aprendizado em contexto tem desempenho comparável, em média, à manutenção explícita de habilidades. Trabalhos relacionados estudam recuperação de habilidades sensível ao domínio, avaliações em fluxo para agentes autoevolutivos, memória rastreável por turno para aprendizado por reforço agentic e otimização de sistemas de recomendação guiada por LLMs.