Resumen Técnico: SkillDAG

1. Declaración del Problema

A medida que los agentes de Modelos de Lenguaje Extensos (LLM) adoptan bibliotecas de habilidades externas extensas, el cuello de botella se desplaza de la autoría de habilidades a la selección de habilidades. Cuando las bibliotecas escalan a miles de entradas, los métodos de recuperación tradicionales fallan al no capturar las complejas relaciones estructurales entre habilidades.

• Limitaciones de la Recuperación Plana: Los enfoques estándar (por ejemplo, similitud de coseno top-$K$ o BM25) tratan las habilidades como vectores independientes. Esto conduce a "fallos silenciosos" donde se omiten prerrequisitos estructuralmente necesarios, se seleccionan habilidades redundantes o interferentes, y se pierden pares sinérgicos.
• Limitaciones del Grafo Estático: Trabajos previos como Graph of Skills (GoS) modelan las relaciones entre habilidades pero dependen de un pipeline de recuperación fijo y offline (por ejemplo, PageRank Personalizado). El conjunto de habilidades resultante es opaco para el agente; el LLM no puede consultar la estructura del grafo, razonar sobre por qué se eligió una habilidad, retractarse de una recuperación ruidosa o registrar nuevas relaciones descubiertas durante la ejecución.

El problema central es que los sistemas actuales ocultan la estructura relacional de la biblioteca al agente, impidiendo que el LLM tome decisiones estructurales informadas durante la inferencia.

2. Metodología: SkillDAG

SkillDAG propone una inversión fundamental: en lugar de embeber el grafo dentro de un algoritmo de clasificación fijo, expone el grafo de relaciones de habilidades tipificadas como una interfaz de recuperación estructural invocable por el agente. El grafo es consultado, inspeccionado y evolucionado por el LLM durante la ejecución.

2.1. Grafo de Relaciones de Habilidades Tipificadas

La biblioteca de habilidades se modela como un grafo dirigido $G = (V, E, \tau)$ donde los bordes están asignados a uno de cinco tipos operativos:

1. depends_on (depende de): La habilidad $A$ requiere la prerrequisito $B$.
2. specializes (especializa en): La habilidad $D$ es una variante más estrecha y preferida de $A$.
3. composes_with (se compone con): Las habilidades $A$ y $B$ tienen un uso conjunto sinérgico.
4. similar_to (similar a): Redundancia funcional; el agente debe elegir una, no ambas.
5. conflicts_with (conflicta con): Las habilidades $A$ y $B$ no deben seleccionarse simultáneamente (señal de poda).

Decisión de Diseño Clave: conflicts_with se trata como una señal de poda, no como un borde de trayectoria, para evitar que el agente navegue hacia habilidades que se le ha indicado explícitamente evitar. El núcleo (depends_on, specializes) se restringe para ser acíclico.

2.2. Interfaz Invocable por el Agente

El agente interactúa con el grafo a través de una función search que devuelve tres canales de evidencia distintos, en lugar de un único paquete clasificado:

• Matches (Coincidencias): Top-$K$ habilidades basadas en la similitud de embedding del nodo de consulta.
• Neighbors (Vecinos): Habilidades alcanzadas mediante una trayectoria BFS acotada (profundidad $D$) sobre los cuatro tipos de bordes "positivos" (depends_on, specializes, composes_with, similar_to).
• Conflicts (Conflictos): Bordes conflicts_with de un salto incidentes a cualquier coincidencia.

Esta descomposición permite al agente descartar campos específicos bajo presupuestos de contexto ajustados, programar búsquedas dinámicamente y mantener un rastro de razonamiento para las decisiones de selección/exclusión.

2.3. Construcción de Arranque en Frío (Cold-Start)

Para inicializar el grafo antes de cualquier ejecución del agente, se emplea una estrategia de embedding de dos vistas para recuperar pares transfuncionales que la similitud de vista única no logra detectar:

1. $e_{self}$: Embebe el identificador, la descripción y el cuerpo de la habilidad (lo que hace).
2. $e_{needs}$: Un LLM genera un resumen estilo HyDE de lo que la habilidad requiere (prerrequisitos) basado en tareas de invocación imaginadas, el cual es luego embebido.

Los pares candidatos se forman si cualquiera de los rankings supera un umbral adaptativo, seguido de un clasificador de pares por LLM para asignar los tipos de bordes. conflicts_with se excluye de esta fase estática, ya que requiere evidencia de ejecución.

2.4. Evolución del Grafo en Línea

SkillDAG introduce un protocolo de propuesta-y-compromiso para actualizaciones de grafos en línea:

1. propose-edge (proponer-borde): Un ensayo previo donde el agente previsualiza un posible cambio de borde y revisa el historial existente para ese par de habilidades.
2. edit-edge (editar-borde): El agente confirma el cambio con una razón en lenguaje natural y un rastro de ejecución.

Invariantes Estructurales: Para prevenir la incoherencia, cada compromiso debe pasar tres comprobaciones:

• Aciclicidad: Previene ciclos en el núcleo de depends_on/specializes.
• No contradicción: Evita que un par tenga un borde positivo (ej. depends_on) y un borde conflicts_with simultáneamente.
• Reversibilidad: Un registro de historial de solo lectura permite revertir ediciones espurias.

3. Contribuciones Clave

1. Identificación de Modos de Fallo Estructurales: El artículo identifica que la recuperación plana omite silenciosamente habilidades estructuralmente necesarias y concatena habilidades redundantes, un fallo invisible únicamente para la coincidencia de similitud.
2. Interfaz Invocable por el Agente: SkillDAG expone un grafo de relaciones tipificadas mediante search/show/propose-edge/edit-edge, reemplazando políticas de clasificación fijas con evidencia estructural sobre la cual el agente razona directamente.
3. Protocolo de Evolución en Línea: Un mecanismo para que los agentes hagan crecer el grafo a partir de evidencia de episodios únicos bajo estrictos invariantes estructurales, junto con un constructor de arranque en frío de dos vistas para recuperar pares transfuncionales.
4. Validación Empírica: Demostrado mediante mejoras en ALFWorld y SkillsBench a través de diferentes backbones de modelos.

4. Resultados Experimentales

Los experimentos se realizaron en ALFWorld (entorno de cuerpo físico basado en texto) y SkillsBench (tareas de generación de código en contenedores) utilizando MiniMax-M2.7 y gpt-5.2-codex.

• Ganancias de Rendimiento (MiniMax-M2.7):
  • ALFWorld: La tasa de éxito aumentó de 54.3% (línea base GoS) a 67.1% (+12.8 puntos).
  • SkillsBench: La recompensa aumentó de 18.7% a 27.3% (+8.6 puntos).
  • Recuperación Intrínseca: Ret@K en SkillsBench subió de 65.5% a 78.2%, indicando que el pipeline de recuperación es más preciso antes de la ejecución.
• Ganancias de Rendimiento (gpt-5.2-codex):
  • SkillDAG empató con la línea base GoS en ALFWorld (93.6%) y mejoró en SkillsBench (34.4% $\to$ 36.8%).
  • El artículo señala que la firma de "ayuda de enrutamiento" es mayor donde el modelo base no puede razonar más allá de un mal conjunto y desaparece una vez que el modelo es lo suficientemente fuerte como para manejar conjuntos opacos.
• Escalabilidad: La calidad de la recuperación de SkillDAG se mantuvo estable (Ret@K $\approx$ 78.2%) mientras la reserva de habilidades se expandía 10 veces (de 200 a 2000 habilidades), mientras que la línea base GoS se degradó significamente.
• Persistencia de Edición: Las ediciones en línea confirmadas durante el entrenamiento se transfirieron efectivamente a los episodios de prueba no vistos, y el grafo editado recuperó más habilidades de verdad de campo por consulta sin desalojar éxitos previos (propiedad de monotonía de conjunto).

5. Significado y Reivindicaciones

El artículo sostiene que SkillDAG valida la hipótesis de que la estructura de un grafo funciona mejor como una interfaz para decisiones de enrutamiento, no como una política opaca.

• Inversión de Diseño: Al convertir el grafo en una interfaz invocable por el agente en lugar de un sustrato de un recuperador fijo, el sistema permite que el LLM decida cómo la evidencia estructural afecta la ejecución.
• Robustez: El enfoque aisla la ganancia del pipeline de recuperación, mostrando que la recuperación de grafos tipificados supera a la clasificación basada en difusión (PPR) a medida que la biblioteca escala, sin depender de la ejecución del agente para arreglar un sistema de recuperación roto.
• Auto-evolución: El sistema permite actualizaciones precisas y auditables de la estructura de habilidades basadas en evidencia de ejecución, permitiendo que el grafo acumule conocimiento a través de episodios sin curación humana.

Los autores reconocen limitaciones respecto al comportamiento de largo horizonte de la auto-evolución de observación única, señalando que, aunque los efectos agregados de la edición son positivos, la estabilidad de tal evolución en líneas de tiempo muy largas sigue siendo una pregunta abierta para trabajos futuros.