Google, 에이전트 스킬 진화 'WikiSkill' 공개

Google Research와 Virginia Tech 연구진이 LLM 에이전트의 실행 경험을 영속적인 지식 베이스(위키)로 압축하고, 이를 바탕으로 실행 가능한 스킬을 반복 개선하는 프레임워크 **'WikiSkill'**을 공개했다. 기존 스킬 진화 방법들이 통찰을 최적화 이력에 흩어두던 것과 달리, WikiSkill은 지식과 절차를 분리해 지식을 체계적으로 재사용한다.

3계층 구조와 작동 원리

WikiSkill은 시스템 상태를 스킬 집합과 위키의 튜플로 정의하며, 세 가지 계층으로 구성된다.

• 원본 계층(Raw Layer): 수정되지 않는 원시 실행 궤적을 저장해 분석의 근거로 사용한다.
• 위키 계층(Wiki Layer): 실패 유형과 성공 전략을 구조화된 지식으로 정리해 반복 사이에 초기화되지 않고 누적된다.
• 스킬 계층(Skills Layer): 위키 지식을 기반으로 생성 및 갱신되는 실행 가능한 절차 지식이다.

성능 향상 및 특징

5개 벤치마크 평균 성능에서 기존 스킬 진화 방법(EvoSkill, Trace2Skill, SkillOpt)을 모두 앞섰다. 특히 Gemini-3.5-Flash는 평균 정확도가 **49.5%**에서 **68.1%**로 상승했으며, Qwen-3.6-27B는 스프레드시트 조작 과제에서 **40.8%**에서 **81.7%**로 두 배 이상 개선되었다. 또한 스킬이 모델 간에 전이되며, 타인이 만든 스킬이 자기 생성 스킬보다 성능이 좋은 경우도 발견되었다.