Skill∞: el agente mejora sus habilidades y su propia metahabilidad, 60,7% en SkillsBench

Un equipo de la Universidad Nacional de Singapur propone cerrar el bucle de automejora en el punto donde resulta más sencillo hacerlo en la práctica: el nivel de las habilidades de los agentes de lenguaje. El sistema Skill∞ emplea un metaagente que sigue una metahabilidad para optimizar habilidades concretas para cada tarea y después aplica ese mismo procedimiento a la propia metahabilidad. En las 83 tareas del benchmark SkillsBench, el método logró un 60,7% de tareas superadas. Las habilidades escritas por humanos obtienen un 56,4%, y el competidor automático más cercano, SkillEvolver, un 54,5%. La diferencia con los humanos es de 4,3 puntos porcentuales; con SkillEvolver, de 6,2.

Por qué las habilidades se prestan a la recursión

La automejora recursiva (RSI), en la que un sistema mejora también la forma en que se mejora a sí mismo, se considera desde hace tiempo uno de los posibles caminos hacia la AGI. Los autores abordan el problema desde un ángulo práctico. Los agentes de lenguaje almacenan cada vez más conocimiento procedimental en forma de habilidades reutilizables, es decir, paquetes de instrucciones que el agente carga según la tarea. Si el procedimiento de optimización también se define como una habilidad, se puede mejorar con las mismas herramientas que cualquier otra.

Los optimizadores de habilidades existentes no funcionan así. Siguen un procedimiento diseñado por una persona. Incluso los métodos que evolucionan una metahabilidad la encierran en un pipeline fijo y la reentrenan desde cero para cada tarea. Skill∞ elimina ambas limitaciones: la metahabilidad no está atada a un pipeline y no se reentrena desde cero.

Qué hace el metaagente

La optimización en Skill∞ la lleva a cabo el propio agente, no un script externo. La metahabilidad describe cuatro acciones, y la automejora puede reescribir cada una de ellas:

• diagnóstico de las trazas de ejecución: el agente analiza dónde y por qué falló la habilidad en las tareas;
• generación de candidatas: a partir del diagnóstico, el agente propone nuevas versiones de la habilidad;
• revisiones independientes: el agente solicita la evaluación de las candidatas a revisores distintos;
• reparto del presupuesto de búsqueda: el agente decide por sí mismo adónde dirigir los recursos limitados.

Otra característica es la separación de niveles. La metahabilidad está desacoplada de las habilidades de tarea. Se perfecciona con varias tareas de optimización de habilidades y luego se reutiliza en distintos dominios sin volver a entrenarla. En ambos niveles, las habilidades siguen siendo paquetes estándar y se cargan mediante el mecanismo habitual de descubrimiento de habilidades, como en un despliegue real. Para implantarlo no hace falta infraestructura aparte.

Las cifras de SkillsBench

La comparación se realizó en 83 tareas de SkillsBench, según el porcentaje de tareas superadas:

• Skill∞: 60,7%;
• habilidades escritas por humanos: 56,4%;
• SkillEvolver: 54,5%.

La conclusión principal no está en el valor absoluto. Las habilidades optimizadas automáticamente superaron a las escritas a mano, y el procedimiento que las optimizó fue, a su vez, producto de una optimización. Los autores del trabajo son Wangcheng Tao, Zhanglu Yan, Han Wu y Weng-Fai Wong. El preprint se publicó con el número arXiv 2610.35434 y entró en la selección diaria de Hugging Face Papers.

Qué pueden llevarse los equipos que construyen agentes

Si su stack ya incluye habilidades en paquetes estándar, conviene fijarse en dos ideas del trabajo. La primera: el procedimiento para mejorar habilidades también puede describirse como una habilidad, en lugar de incrustarse en el código del pipeline. Así se edita con las mismas herramientas y a partir de las mismas trazas. La segunda: la revisión independiente de las candidatas y la gestión del presupuesto de búsqueda es mejor delegarlas en el propio agente, porque son pasos que la metahabilidad puede rediseñar según la tarea.

Por ahora se trata del resultado en un único benchmark de 83 tareas, y aún falta comprobar su transferencia a cargas de trabajo reales. Pero la dirección está clara: las bibliotecas de habilidades dejan de ser carpetas estáticas con instrucciones y empiezan a elevarse por sí solas a un nivel que antes exigía ajuste manual. Los optimizadores automáticos ya superan a la anotación humana, y la automejora integrada del procedimiento les dio unos puntos porcentuales más.