Naukowcy z arXiv odkryli, że umiejętności opracowane dla silniejszych modeli LLM często nie przenoszą się efektywnie na słabsze modele - a czasami je pogorszają. W eksperymencie obejmującym siedem modeli i trzy benchmarki zespół zidentyfikował 103 pary zadanie-umiejętność, gdzie ta sama skill poprawiała wydajność GPT-5.6-luna o 31,1 punktu, ale jednocześnie pogorszyła wyniki Gemmy-4-E4B o 8,8 punktu.
Problem wynika z tego, że słabsze modele mają trudności z wykonaniem wytycznych zawartych w skill - w 86% przypadków niepowodzeń wymóg już pojawił się w samej skill, lecz model nie potrafił go zastosować. Zespół zaproponował więc metodę diagnostyczną, która identyfikuje problemy w wykonywaniu operacji, zarządzaniu kontekstem, przestrzeganiu instrukcji i weryfikacji. Na bazie tych diagnoz stworzyli meta-skill - uniwersalny zestaw wytycznych, który można stosować do adaptacji istniejących skills podczas samoewolucji agenta.
Rozwiązanie przetestowano z zewnętrznym modelem Kimi-K3, który przepisywał istniejące skills tak, aby były dostępne dla słabszych wykonawców. Rezultaty pokazały poprawę wydajności trzech słabszych modeli o 5,1-14,1 punktu w stosunku do oryginalnych skills. Podejście zostało następnie zintegrowane w pięciokołowy proces samoewolucji, gdzie każdy model samodzielnie rewiduje swoje skills na podstawie trajektorii wykonania i feedbacku z weryfikatora. To znacząco zwiększa praktyczność agentów LLM, pozwalając im pracować efektywnie niezależnie od rozmiarów i mocy obliczeniowej.