thu-aicosmos/skillevolver

Мета-навык, который позволяет агенту Клода создавать свои собственные навыки многоразового использования - из нескольких испытаний по требованию.

Никакой тонкой настройки. Нет автономного траекторного пула. Просто итеративное исследование → дистилляция → развертывание → уточнение цикла, запуск сквозной в одном сеансе Agent SDK.

Заголовок результатов

| Метод | avg@5 по 83 задачам | Δ vs человеко-курируемый | [править] [править] [править] [править] | Без навыков | 29,9% | −13,7% | | Самогенерируемый (однократный) | 32,0% | −11,6% | | Антропный мастер-создатель (приспособленный к субагентам) | 33,9% | -9,7% | | Человеческое выздоровление | 43,6% | — | | SkillEvolver (R=1, без уточнения) | 48,2% | +4,6% | SkillEvolver (R=2) | 56,9% | +13,3%

На 74,7% задач SkillEvolver ≥ человеко-куратор. Переводы на задачи с непрерывным вознаграждением: KernelBench (H100) означает ускорение **1,16 → 1,51 **. Развитые навыки делают агента вниз по течению **-19% токенов · −15% оборотов · −24% настенных часов **. Сквозная стоимость: ~ $4/задача.

Что вы получаете

SkillEvolver - это один SKILL.md (meta-skill), который может активировать любой агент CLI - Claude Code, Codex или другой агент протокола.

---

Headline results

---

What you get

SkillEvolver is a single SKILL.md (a meta-skill) that any CLI agent — Claude Code, Codex, or another protocol agent — can activate. The agent reads the meta-skill, runs the loop on a target task, and writes out an optimized domain skill: a tight SKILL.md plus any helper scripts, references, and probes the loop discovered are worth keeping. That artifact then plugs into a fresh agent session on a new instance of the task — no SkillEvolver needed at deploy time.

How it works

Each round r = 0 … R−1 operates on the training task τ_train only:

• 🔍 Strategize. The agent brainstorms K diverse strategies and writes them as separate domain-skill variants s_{r,1} … s_{r,K}.