에이전트 스킬 진화를 위한 궤적 기반 결함 국소화

에이전트 스킬은 코드 에이전트에 재사용 가능한 가이드를 제공하지만, 불완전하거나 부적절한 가이드는 작업 실행을 저해할 수 있습니다. 스킬 정제(skill refinement)의 수동 노력을 줄이기 위해 최근 접근 방식들은 LLM을 사용하여 실행 피드백으로부터 개정안을 생성합니다. 하지만 이러한 개정안을 명시적인 행동 증거에 근거하는 것은 여전히 어렵습니다. 이 격차를 해소하기 위해, 우리는 에이전트 스킬에서 궤적 기반 결함 국소화(trajectory-guided fault localization)에 기반한 스킬 진화 접근 방식인 SkillMorph를 제안합니다. 핵심 아이디어는 개정안을 생성하기 전에 실행 증거를 특정 스킬 내용과 연결하는 것입니다. 구체적으로, SkillMorph는 반복적인 실행 및 작업 전반에 걸쳐 추상화된 궤적(abstracted trajectories)에서 실패와 성공의 증거를 비교하고, 진화 루프 간의 변화를 통합하여 의심스러운 행동을 식별합니다. 그런 다음 이 의심스러운 행동들을 사용하여 스킬 내 편집 위치를 국소화하고 해당 개정안을 생성합니다. SWE-Skills-Bench 및 CannBot에 대한 실험 결과, SkillMorph로 진화된 스킬들은 원래의 스킬이나 기존의 네 가지 스킬 진화 방법론에서 나온 스킬들보다 일관되게 높은 트라이얼 수준 정확도와 실행 일관성을 달성함을 보여줍니다. 또한 우리는 AI 오퍼레이터-개발팀과 함께 자동 커널 생성에 SkillMorph를 적용했으며, 이 과정에서 6개의 스킬 개정 풀 리퀘스트가 승인되었습니다.