В исследовательской работе «SkillEarth: Teaching General-Purpose Agents to Act on Earth via Skill Evolution» авторы Хаоцзюнь Тан, Вэньда Чжао, Сян Чжоу, Цивэй Линь, Лида Хуан и Янь Ван решают фундаментальную проблему издержек в специализированных операциях ИИ. Хаоцзюнь Тан выполнил данное исследование в качестве студента-исследователя в AIR. Традиционные сценарии развертывания опираются на заранее прописанные сценарии или обновление весов, вынуждая бизнес финансировать капиталоемкое дообучение моделей при каждом появлении новых инструментов, задач или рабочих процессов.

Чтобы разорвать этот цикл, авторы разработали SkillEarth — самоэволюционирующий метод извлечения навыков, который выносит знания о вызовах инструментов дистанционного зондирования в повторно используемые, извлекаемые и эволюционирующие файлы навыков. Как отмечают исследователи, развитие модульных файлов навыков поверх замороженных базовых моделей полностью устраняет капитальные затраты на переобучение агентов под специализированные задачи.

Архитектура экстернализированных навыков

Вместо модификации весов базовой модели SkillEarth использует направляемые навыками трассировки выполнения для передачи динамических процедурных знаний в универсальные большие языковые модели. Фреймворк привязывает эволюцию навыков непосредственно к реальному выполнению цепочек вызовов инструментов, объединяя обратную связь от двух судей с графом маршрутизации наблюдений для точной калибровки рабочих процессов на уровне отдельных компонентов.

Экстернализация знаний о вызовах инструментов в извлекаемые файлы навыков обеспечивает непрерывную адаптацию агентов без финансовых издержек на изменение базовых весов.

Сохраняя базовые параметры модели статичными, эта архитектура устраняет ключевой барьер масштабирования. Как показывает инженерный анализ, компании могут обновлять сложные многоэтапные процессы путем редактирования внешних markdown-файлов навыков, исключая необходимость в дорогостоящих вычислительных циклах по обновлению массивных параметров нейросетей, что напрямую сокращает операционные расходы.

Эмпирическая валидация на различных LLM

Этот подход опирается на общие отраслевые инициативы по оценке автономных агентов с помощью структурированных бенчмарков, продолжая логику фреймворка SkillEval, который оценивает логику действий агента, а не просто факт выполнения задачи. SkillEarth доказывает, что экстернализированная логика выдерживает строгое тестирование на различных семействах моделей, подтверждая способность модульных файлов справляться со сложными геопространственными сценариями без деградации инфраструктуры.

Согласно исследованию, SkillEarth повышает общую точность вызова инструментов дистанционного зондирования для трех передовых проприетарных LLM и четырех моделей с открытыми весами. Эксперименты на OpenEarth-Bench и Earth-Bench показали, что SkillEarth превосходит существующие геопространственные агенты и методы извлечения навыков в точности выбора инструментов, корректности аргументов, последовательности этапов выполнения и итоговом решении задач.

Как показывают результаты тестирования, привязка оптимизации навыков к фактическим трассировкам исполнения повышает точность работы автономных инструментов.

Эмпирические данные подтверждают, что эволюция внешних навыков устраняет необходимость в постоянном файнтюнинге моделей под отраслевые задачи. По мере усложнения корпоративных процессов переход от полной параметрической адаптации к модульному исполнению навыков формирует финансово устойчивую архитектуру для масштабирования автономных AI-агентов. Главный стратегический вопрос для корпоративных архитекторов заключается в том, насколько быстро инфраструктура компании сможет перейти на внешние markdown-обновления навыков до того, как устаревшие процессы файнтюнинга окончательно заблокируют капитальные бюджеты.

Почему это важно

Обычный текстовый markdown-файл вместо сотен часов аренды GPU для файнтюнинга — именно так SkillEarth решает проблему адаптации под сложный софт. Тан и соавторы заморозили веса семи универсальных моделей и отдали всю специфику инструментов дистанционного зондирования внешним модульным инструкциям (ну не переучивать же нейросеть ради нового набора API). Схема с двумя судьями и графом наблюдений превращает отладку агентов в рутинную правку процедурных инструкций, оставляя дорогое железо в покое. Выдержит ли связка из внешних markdown-файлов и двух судей перенос с бенчмарков Earth-Bench и OpenEarth-Bench в непредсказуемый корпоративный прод?

AI-агентыДообучение моделейСнижение затратЭкономика ИИКорпоративные LLM