Naukowcy opublikowali SkillCorpus, framework mający uregulować chaos rosnącego ekosystemu umiejętności dla agentów opartych na modelach językowych. Problem jest realny - repozytoria publiczne gromadzą setki tysięcy plików SKILL.md zawierających procedury do rozszerzania możliwości agentów, ale materiały te są rozproszeni, zawierają duplikaty i mają bardzo nierówną jakość.
Team opracował system, który przefiltrowaniem około 821 tys. zebranych umiejętności przez wieloetapowy pipeline wydobył 96,4 tys. najlepszych przykładów. Uporządkowali je w 16-klasową taksonomię, a każdą ocenili wzdłuż trzech wymiarów: utility (przydatność), robustness (odporność) i safety (bezpieczeństwo). Do tego dopasowali dostrojony system retrieval-and-selection, który inteligentnie dobiera umiejętności pasujące do konkretnych zadań.
Ewaluacja wyglądała poważnie - testowali na trzech benchmarkach (SkillsBench, GDPVal, QwenClawBench), dwóch harnesach i dwóch otwartych modelach bazowych. Wyniki pokazały konsekwentne zyski na wszystkich testach, przy czym największy skok to 7,5 punktu procentowego na SkillsBench. Analiza operacyjna ujawniła jednak, że benefity maja granice - są okna, gdzie corpus przestaje pomagać, oraz ograniczenia harnesów. To pierwsze dogłębne badanie pokazujące, kiedy ustrukturyzowany corpus umiejętności rzeczywiście ma wpływ na pracę rzeczywistych agentów.