구조화된 환경에서 작동하는 LLM 에이전트(LLM agents)는 대화적인 방식이 아닌 운영적인 방식에서 실패하며, 신뢰성은 환경에 대한 절차적 지식(procedural knowledge)에 달려 있습니다. 기존의 자기 개선(self-improvement) 방법들은 각 새로운 항목이 이전에 올바르게 수행되었던 동작을 보존하는지 확인하지 않고 자연어 가이드를 축적하기 때문에, 하나의 궤적(trajectory)을 수정하는 메모가 다른 궤적을 조용히 퇴보(regress)시킬 수 있습니다. 우리는 에이전트의 개선을 제한된 기술 라이브러리(skill library)에 대한 일련의 편집 과정으로 취급하는 GRASP (Gated Regression-Aware Skill Proposer)를 소개합니다. 이 방식은 엄격한 회귀 예산(hard regression budget) 하에서 균형 잡힌 홀드아웃 프로브(held-out probe)에 대해 순 개선(net improvement)을 생성하는 경우에만 각 후보를 수용합니다. 우리는 두 가지 FHIR 기반 임상 벤치마크에서 다섯 가지 기본 모델(gpt-oss-120b, DeepSeek V4 Flash, Gemini 3.1 Flash Lite, GPT-4.1, GPT-5.4)을 대상으로 GRASP를 평가했습니다. MedAgentBench에서 GRASP는 gpt-oss-120b를 40.6%에서 88.8%로 끌어올렸으며, 다섯 가지 자기 개선 베이스라인 중 가장 강력한 모델보다 21.0포인트 앞섰고, 다른 모든 기본 모델을 17.2에서 40.3포인트까지 개선했습니다. 절제 연구(Ablations) 결과, 이러한 이득은 기술 작성 그 자체보다는 비교 제안 생성(comparative proposal generation), 수용 게이트(acceptance gate), 그리고 엄격한 회귀 예산 덕분인 것으로 나타났습니다. 검증이 없는 기술 작성은 기술을 사용하지 않는 것보다 나을 것이 없습니다. 이 메커니즘은 임상 도메인을 넘어 일반화되며, 4개의 비임상 환경 중 3개에서 에이전트를 개선하였고, 행동 공간(action space)이 개방형인 경우에만 성능이 정체되었습니다. 고정된 라이브러리(Frozen libraries)는 모델 간에 전이될 수 있는데, 더 강력한 모델의 기술은 약한 실행기(executors)가 스스로 학습하는 것 이상으로 성능을 향상시키는 반면 그 반대는 성립하지 않는 비대칭성을 보였으며, 이는 게이트가 없는(ungated) 어떤 베이스라인도 재현하지 못하는 특성입니다.