SKILL0: Aprendizaje por refuerzo agéntico para la internalización de habilidades | Cómo los agentes IA pueden aprender habilidades de forma permanente en contexto | De instrucciones a maestría: evolución de agentes mediante RL in-context

Abstract

PROBLEMA: Los agentes basados en LLMs suelen depender de prompts largos que contienen instrucciones de habilidades (in-context), lo cual es ineficiente en términos de latencia y ventana de contexto, y no garantiza que el agente realmente 'domine' la tarea. SOLUCIÓN: El paper introduce SKILL0, un método de aprendizaje por refuerzo agéntico en contexto para la internalización de habilidades. Permite que el agente pase de seguir instrucciones externas a desarrollar una política interna eficiente mediante la práctica y el refuerzo. METODOLOGÍA: Implementan un ciclo de aprendizaje donde el agente utiliza RL para destilar el conocimiento procedimental del contexto hacia sus propios parámetros o representaciones comprimidas. RESULTADOS: SKILL0 permite a los agentes ejecutar tareas complejas con una reducción del 50% en el uso de tokens de prompt y con una tasa de éxito superior en entornos dinámicos comparado con métodos de Few-Shot tradicionales. RELEVANCIA: Es un paso clave hacia agentes que aprenden y se vuelven expertos de forma autónoma mientras interactúan con el usuario o el entorno.