Краткое содержание

arXiv:2512.17102v1 Announce Type: new Abstract: Агенты на основе больших языковых моделей (Large Language Model, LLM) демонстрируют выдающиеся способности в сложном рассуждении и многоходовом взаимодействии, но испытывают трудности с постоянным улучшением и адаптацией при развертывании в новых средах. Одним из многообещающих подходов является реализация библиотек навыков, позволяющих агентам изучать, проверять и применять новые навыки. Однако существующие подходы к библиотекам навыков в основном полагаются на промптинг LLM, что затрудняет последовательную реализацию библиотек навыков. Чтобы преодолеть эти трудности, мы предлагаем подход на основе обучения с подкреплением (Reinforcement Learning, RL) для улучшения способностей агентов к самоусовершенствованию с использованием библиотеки навыков. В частности, мы представляем Skill Augmented GRPO for self-Evolution (SAGE) — новую архитектуру RL, которая систематически включает навыки в процесс обучения. Ключевой компонент архитектуры, Sequential Rollout, итеративно развертывает агентов по цепочке схожих задач для каждого развертывания. По мере того как агенты проходят по цепочке задач, навыки ге