🤖 AI

VCE-Skill: Enhancing Skill Self-Evolution with Version-Change Experience

El artículo propone VCE-Skill, un nuevo marco que mejora la autoevolución de las habilidades del agente al fusionar adaptativamente trayectorias de ejecución específicas de la tarea con experiencias estructuradas y destiladas de historiales de versiones de habilidades públicas, lo que resulta en mejoras significativas de rendimiento y capacidades de transferencia entre modelos más sólidas.

Autores originales: Jianming Chen, Xuanbin Ye, Yawen Wang, Junjie Wang, Qing Wang, Fanjiang XU

Publicado 2026-08-18

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jianming Chen, Xuanbin Ye, Yawen Wang, Junjie Wang, Qing Wang, Fanjiang XU

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la inteligencia artificial, que evoluciona rápidamente, los investigadores están enseñando a los programas informáticos a actuar más como asistentes humanos. Estos programas, a menudo llamados agentes, no solo responden preguntas; realizan tareas utilizando herramientas, siguiendo instrucciones y gestionando archivos. Para que estos agentes sean fiables, los desarrolladores les otorgan "habilidades". Piense en una habilidad como una caja de herramientas portátil que contiene un conjunto de instrucciones, scripts y recursos que el agente puede recoger y utilizar cada vez que se enfrenta a un tipo específico de problema. Sin embargo, al igual que un humano aprende de sus errores, estas herramientas rara vez son perfectas cuando se crean por primera vez. A medida que el mundo cambia y surgen nuevos desafíos, las instrucciones dentro de estas cajas de herramientas deben ser actualizadas, parcheadas y mejoradas. La pregunta central para los científicos es cómo automatizar este proceso de mejora para que los agentes puedan enseñarse a sí mismos para ser mejores con el tiempo.

Durante algún tiempo, el enfoque estándar para esta automejora ha sido dejar que el agente intente una tarea, observar dónde falla y luego reescribir las instrucciones basándose en ese fallo específico. Este método depende enteramente de la evidencia recopilada durante el intento actual. Si bien esto funciona, tiene un punto ciego: solo ve los errores que ocurren en este preciso momento. Pierde las lecciones más amplias que otros desarrolladores han aprendido a lo largo de años manteniendo herramientas similares. Un equipo de investigadores de la Academia China de Ciencias y la Universidad de Post y Telecomunicaciones de Beijing se dio cuenta de que este enfoque estrecho dejaba sin aprovechar una vasta biblioteca de conocimiento. Se propusieron investigar si la historia de los cambios realizados en herramientas de software públicas podía enseñarle a un agente algo que su propia experiencia inmediata no pudiera.

Los investigadores comenzaron comparando dos fuentes diferentes de información. La primera fuente era los intentos recientes del agente en una tarea, lo que proporcionaba una visión detallada pero estrecha de lo que salió mal. La segunda fuente era la historia pública de los cambios realizados en herramientas similares por desarrolladores humanos a lo largo del tiempo. Cuando analizaron estas dos fuentes de forma paralela, descubrieron una diferencia clara y útil. Los propios intentos del agente se centraban principalmente en corregir errores inmediatos y específicos en cómo llamaba a las herramientas o leía las instrucciones. En contraste, la historia pública contenía una variedad mucho más amplia de mejoras, incluyendo cambios en cómo se organizaban los datos, cómo se estructuraban los scripts y cómo la herramienta manejaba situaciones inesperadas. Los registros públicos ofrecían una perspectiva más amplia, mientras que los registros propios del agente ofrecían una realidad fundamentada y específica de la tarea. Las dos fuentes no se repetían; en cambio, llenaban los vacíos la una de la otra.

Para poner en práctica este conocimiento, el equipo desarrolló un nuevo sistema llamado VCE-Skill. Este sistema actúa como un puente entre la experiencia actual del agente y la sabiduría colectiva del pasado. El proceso ocurre en dos etapas principales. Primero, el sistema toma la historia bruta y desordenada de cambios de los repositorios públicos y la limpia. Elimina los detalles específicos que solo se aplican a un proyecto y los destila en lecciones generales y reutilizables. Por ejemplo, si muchos desarrolladores han añadido una comprobación para asegurar que un archivo existe antes de intentar abrirlo, el sistema aprende esto como una regla general en lugar de un arreglo único. Estas lecciones destiladas se almacenan en una biblioteca estructurada de experiencia.

En la segunda etapa, el agente intenta una tarea y genera sus propias ideas de mejora basadas en lo que sucedió. El sistema luego busca en su biblioteca de lecciones destiladas y selecciona las que son más relevantes para el problema actual. No se limita a copiar las lecciones antiguas o ignorar las propias ideas del agente. En su lugar, mezcla cuidadosamente ambas. Si el agente tiene dificultades con un problema común que la historia pública ha resuelto muchas veces antes, el sistema se inclina fuertemente hacia esa sabiduría externa. Si el agente se enfrenta a un error único y extraño que nunca se había visto antes, el sistema confía más en la observación propia del agente. Este equilibrio no es fijo; el sistema ajusta constantemente cuánto confía en la biblioteca externa frente a la propia experiencia del agente, dependiendo de si los cambios están haciendo que el agente rinda mejor.

Los resultados de este enfoque fueron probados a través de cinco tipos diferentes de tareas, que van desde responder preguntas complejas y gestionar hojas de cálculo hasta controlar robots en entornos virtuales. Los investigadores utilizaron cuatro modelos de lenguaje extensos diferentes para actuar como los agentes. En cada caso, añadir esta experiencia externa al bucle de automejora del agente condujo a un mejor rendimiento. Los agentes obtuvieron puntuaciones más altas en promedio, con mejoras que oscilaron entre aproximadamente tres y cinco puntos a través de las diversas pruebas. Más importante aún, las habilidades que fueron mejoradas usando este método demostraron ser más robustas. Cuando los investigadores tomaron una habilidad que había sido evolucionada con este nuevo método y la probaron en un modelo de computadora diferente al que fue entrenada, esta funcionó significetivamente mejor que las habilidades que solo habían aprendido de sus propios errores inmediatos. Esto sugiere que, al incorporar las lecciones más amplias de la historia pública, los agentes aprendieron principios más generales que podrían aplicarse en nuevas situaciones, en lugar de simplemente memorizar cómo solucionar un error específico.

El estudio no afirma que la vieja forma de aprender de los errores sea inútil. La propia experiencia del agente sigue siendo esencial para comprender los detalles específicos de la tarea en cuestión. El nuevo método simplemente añade una capa de contexto que el agente no podría encontrar por sí mismo. Al tratar la historia de los cambios de software público como una valiosa fuente de conocimiento previo, los investigadores han demostrado que los agentes pueden aprender a evolucionar de manera más efectiva. Han demostrado que el camino hacia un agente más inteligente y fiable no consiste solo en observar lo que sucede en el momento, sino también en comprender la larga historia de cómo se han mejorado herramientas similares a lo largo del tiempo. Este enfoque ofrece una forma práctica de hacer que la inteligencia artificial sea más adaptable, asegurando que las herramientas que utiliza no sean solo funcionales para hoy, sino lo suficientemente robustas para el futuro.

Resumen Técnico: VCE-Skill

Planteamiento del Problema

Los sistemas de agentes dependen cada vez más de habilidades reutilizables —paquetes portátiles de instrucciones, scripts y configuraciones— para resolver clases de tareas. Aunque trabajos recientes han automatizado la autoevolución de habilidades mediante un paradigma impulsado por trayectorias (ejecutar agentes, diagnosticar fallos y revisar habilidades), este enfoque enfrenta limitaciones inherentes. Las actualizaciones están estrictamente limitadas por la calidad y la cobertura de las trayectorias de ejecución recolectadas durante la ejecución actual. Las trayectorias ruidosas o de baja calidad pueden oscurecer las causas de los fallos, mientras que una cobertura incompleta de los modos de fallo puede conducir a actualizaciones que se sobreajustan a observaciones limitadas. En consecuencia, la evolución impulsada por trayectorias suele pasar por alto conocimientos de actualización ampliamente útiles que no se revelan mediante las ejecuciones actuales.

Aunque los historiales públicos de versiones de habilidades (por ejemplo, de GitHub o ClawHub) contienen una rica fuente de conocimiento de evolución adoptado por los desarrolladores durante el mantenimiento, este recurso permanece en gran medida sin explotar para la autoevolución de habilidades. No está claro si estos cambios públicos simplemente duplican las estrategias encontradas en la evolución basada en trayectorias o si ofrecen conocimiento complementario. Además, los diffs de versiones en bruto son finos y específicos de cada repositorio, lo que dificulta su aplicación directa a los fallos de tareas actuales sin abstracción.

Metodología: VCE-Skill

Los autores proponen VCE-Skill (Version-Change Experience Skill), un marco diseñado para mejorar la autoevolución de habilidades integrando la experiencia externa de los historiales de versiones de habilidades públicos con la evidencia interna de las trayectorias de ejecución. El método opera en dos etapas primarias:

1. Destilación de Experiencia

Esta etapa transforma los diffs de versiones en bruto y ruidosos de repositorios públicos en una guía reutilizable y estructurada.

Abstracción de Cambios: Los diffs en bruto entre versiones de habilidades adyacentes se descomponen en eventos de actualización. Cada evento se estructura como $u_j = \langle d_j, \{c_j\}, o_j, i_j \rangle$ , que representa el diff en bruto ( $d_j$ ), los componentes afectados ( $c_j$ ), la operación semántica ( $o_j$ ) y la intención de actualización ( $i_j$ ).
Generación de Experiencia: Estos eventos se destilan en tres niveles jerárquicos de conocimiento:
- Patrones de Actualización: Grupos de eventos relacionados dentro del historial de una habilidad, resumidos para eliminar detalles específicos del repositorio.
- Perspectivas de Evolución (Evolution Insights): Estrategias sintetizadas que caracterizan los patrones de actualización recurrentes para una habilidad específica.
- Perspectivas de Dominio (Domain Insights): Principios generalizados que capturan estrategias de optimización transferibles entre habilidades en el mismo dominio de tareas.
Banco de Experiencia: El conocimiento destilado se agrega en un banco estructurado ( $B$ ) que sirve como un corpus de conocimiento externo.

2. Optimización con Atención de Experiencia Adaptativa

Esta etapa integra la experiencia externa destilada con las propuestas derivadas de la trayectoria del evolutor base.

Selección de Experiencia: En cada iteración, se construye un contexto de selección a partir de la tarea objetivo, la habilidad actual y la retroalimentación de la actualización previa. Un selector basado en LLM recupera las $K$ experiencias más relevantes del banco.
Generación de Propuesta Propia (Self-Proposal Generation): En paralelo, un evolutor base (por ejemplo, SkillOpt, EvoSkill) genera una propuesta propia ( $p^{self}_t$ ) basada únicamente en la trayectoria de ejecución actual.
Fusión de Atención Adaptativa: El sistema fusiona la guía de la experiencia externa ( $p^{exp}_t$ $p_{t}^{e x p}$ ) y la propuesta propia ( $p^{self}_t$ $p_{t}^{se l f}$ ) utilizando pesos de atención adaptativos ( $\lambda^{exp}_t, \lambda^{self}_t$ $λ_{t}^{e x p}, λ_{t}^{se l f}$ ).
- Los pesos se inicializan por igual pero se ajustan dinámicamente basándose en la Retroalimentación de Adaptación.
- Mecanismo de Retroalimentación: Después de una actualización, el sistema analiza la procedencia de los cambios realizados (si provinieron de la experiencia externa o de la propuesta propia) y el cambio en el rendimiento de validación. Esta retroalimentación unificada ( $f_t$ ) ajusta los pesos de atención para la siguiente iteración, aumentando la dependencia de la fuente que contribuyó a las mejoras exitosas y alejándose de las fuentes asociadas con actualizaciones que no mejoran.

Contribuciones Clave

Estudio de Motivación: Los autores realizaron un estudio piloto comparando los cambios de versiones públicos con los cambios derivados de trayectorias. Revelaron una cobertura complementaria: los cambios derivados de trayectorias están altamente concentrados en instrucciones e intenciones estrechas, mientras que los historiales públicos cubren componentes más amplios e introducen intenciones y patrones únicos no observados en las ejecuciones actuales.
Marco VCE-Skill: La introducción de un método que destila los cambios de versiones en bruto en experiencia estructurada y reutilizable, y que fusiona adaptativamente este prior externo con las propuestas derivadas de trayectorias durante la optimización iterativa.
Validación Empírica: Experimentos extensos que demuestran la efectividad y generalidad de VCE-Skill a través de múltiples benchmarks y modelos.

Resultados Experimentales

Los autores evaluaron VCE-Skill en cinco benchmarks (SearchQA, OfficeQA, ALFWorld, Spreadsheet, BFCL-v4) utilizando cuatro LLMs (Qwen3.5-27B, GPT-5.2, DeepSeek-v3.2, Claude Sonnet 5) y tres métodos de autoevolución base (EvoSkill, SkillClaw, SkillOpt).

Mejora del Rendimiento: VCE-Skill mejoró consistentemente el rendimiento de todos los evolutores base. Las puntuaciones medias aumentaron entre 3.20 y 4.98 puntos en diferentes configuraciones. Por ejemplo, SkillOpt+VCE logró una puntuación promedio de 60.27 en Qwen3.5-27B (una mejora de +3.47 sobre SkillOpt) y 70.84 en GPT-5.2 (una mejora de +3.78).
Estudio de Ablación: Eliminar la destilación de experiencia (usando los diffs en bruto directamente) causó una degradación significativa del rendimiento, cayendo a menudo por debajo de la línea base. Reemplazar la atención adaptativa con pesos iguales fijos también tuvo un rendimiento inferior, confirmando la necesidad tanto de la abstracción como del pesaje dinámico.
Transferibilidad entre Modelos: Las habilidades evolucionadas con VCE-Skill demostraron una mayor transferibilidad al aplicarse a diferentes modelos que las evolucionadas sin él. Al transferirse de un modelo de origen a modelos de destino, las habilidades mejoradas con VCE incrementaron los puntajes promedio entre 5.15 y 6.04 puntos, una ganancia que superó las mejoras vistas en la propia evaluación del modelo de origen. Esto sugiere que la experiencia destilada reduce el sobreajuste específico del modelo.

Significado y Reivindicaciones

El artículo afirma que los historiales de versiones de habilidades públicos representan una fuente de conocimiento previo previamente inexplorada pero efectiva para la evolución de habilidades de agentes. Al resaltar la complementariedad entre los cambios de versiones externos y la evidencia de la trayectoria interna, VCE-Skill avanza el paradigma impulsado por trayectorias.

Los autores posicionan su trabajo no como un reemplazo de los métodos de autoevolución existentes, sino como una mejora modular que permite a cualquier evolutor base aprovechar la experiencia externa. La importancia radica en cambiar el enfoque de depender únicamente de la evidencia de ejecución actual a incorporar un conjunto más amplio y fundamentado históricamente de priors de evolución, produciendo así habilidades que son más robustas, generalizables y capaces de transferencia entre modelos.