Skill∞: un agente mejora sus propias habilidades y su propio metahabilidad, 60,7% en SkillsBench

Un equipo de la Universidad Nacional de Singapur ha propuesto una forma de cerrar el bucle de autosuperación 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 según tareas concretas, y luego aplica ese mismo procedimiento a la propia metahabilidad. En el benchmark SkillsBench, de 83 tareas, el método alcanzó una tasa de aprobación del 60,7%. Las habilidades redactadas por humanos obtienen un 56,4%, mientras que el competidor automático más cercano, SkillEvolver, logra 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 autosuperación recursiva (RSI, por sus siglas en inglés), en la que un sistema mejora tanto a sí mismo como su propia forma de mejorar, se considera desde hace tiempo una de las posibles vías hacia la AGI. Los autores abordan el problema desde un ángulo práctico. Los agentes de lenguaje almacenan cada vez más su conocimiento procedimental en forma de habilidades reutilizables, es decir, paquetes de instrucciones que el agente carga según la tarea. Si el propio procedimiento de optimización se formula también como una habilidad, puede mejorarse con las mismas herramientas que cualquier otra habilidad.

Los optimizadores de habilidades existentes no funcionan así: siguen un procedimiento diseñado por una persona. Incluso los métodos que hacen evolucionar la 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 ni 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 autosuperación puede reescribir cada una de ellas:

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

Otra característica es el desacoplamiento de niveles. La metahabilidad está separada de las habilidades de las tareas. Se perfecciona en varias tareas de optimización de habilidades y luego se reutiliza en distintos dominios sin volver a entrenarse. Las habilidades en ambos niveles siguen siendo paquetes estándar y se cargan mediante el mecanismo habitual de descubrimiento de habilidades, igual que en un despliegue real. No se necesita infraestructura adicional para implementarlo.

Las cifras de SkillsBench

La comparación se realizó sobre 83 tareas de SkillsBench, medida como proporción de tareas aprobadas:

• 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 elaboradas manualmente, y el procedimiento que las optimizó era 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 aprovechar los equipos que construyen agentes

Si en su stack ya existen habilidades empaquetadas de forma estándar, conviene fijarse en dos ideas de este trabajo. La primera: el procedimiento de mejora de habilidades también puede describirse como una habilidad, en lugar de incrustarse en el código del pipeline. Así se puede corregir con las mismas herramientas y sobre las mismas trazas. La segunda: conviene delegar en el propio agente la revisión independiente de candidatos y la gestión del presupuesto de búsqueda, ya que son pasos que la metahabilidad puede rediseñar según la tarea.

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