Technische Samenvatting: SkillZip

1. Probleemstelling

Zelf-evoluerende agenten verbeteren door succesvolle procedures, foutcorrecties en waarschuwingen toe te voegen aan hun skill-artefacten. Dit proces leidt echter tot een systematische mismatch tussen tekstuele groei en procedurele groei. Terwijl agenten evolueren, worden dezelfde vereisten vaak herhaald over meerdere takken, voorbeelden en waarschuwingen, en worden veelvoorkomende actiesequenties gekopieerd in plaats van hergebruikt.

Dit resulteert in "skill bloat" (skill-opzwelling), waarbij de lengte van de skill significant toeneemt (gemeten als gemiddeld 5,2× in experimenten), zelfs nadat de werkelijk nieuwe procedurele inhoud is gestabiliseerd. Bestaande oplossingen kampen met beperkingen:

• Generieke Promptcompressie: Behandelt skills als platte tekst en houdt geen rekening met de gestructureerde aard van skills (interfaces, workflows, contracten en gescopeerde regels). Het verwijdert vaak tokens op basis van query-relevantie in plaats van procedurele noodzaak.
• Evaluatie-gestuurde Compressie (bijv. SkillReducer): Vertrouwt op taak-rollouts, beloningen en gedragsverificatoren om compressie te valideren. Dit introduceert hoge computationele kosten, latentie en een afhankelijkheid van specifieke evaluatiesets tijdens de compressie, wat het risico met zich meebrengt dat niet-geteste maar cruciale bewakers of beperkingen verloren gaan.

De kernuitdaging is het comprimeren van geëvolueerde skills door herhaalde structuren te consolideren zonder afhankelijk te zijn van downstream-taken, rollouts of verifiers, terwijl zeldzame regels en unieke beperkingen strikt behouden blijven.

## 2. Methodologie: SkillZip

SkillZip is een evaluatie-vrije methode die skills comprimeert door hun "kortste getrouwe structurele verklaring" te vinden. Het werkt op de intuïtie van "één keer verklaren, vele keren refereren": het eenmalig formuleren van herhaalde regels op de juiste scope, het factoriseren van herhaalde sequenties in gedeelde procedures, en het enkel expliciet maken van verschillen als uitzonderingen.

A. De Contractrepresentatie

SkillZip formaliseert een skill als een getypeerd contract, $C(S) = \langle I, G, T, C, O, E \rangle$, bestaande uit:

• Interface ($I$): Naam, doel, triggers en uitsluitingen.
• Workflow ($G$): Acties, volgorde, beslissingen, loops en fallbacks.
• Tool Protocol ($T$): Toolnamen, argumenten, precondities en foutafhandeling.
• Gescopeerde Regels ($C$): Verplichtingen en verboden met specifieke scopes en guards.
• Output Contract ($O$): Responstypes, vereiste velden en validatie.
• Bewijs ($E$): Voorbeelden en rationales gekoppeld aan contractelementen.

Het systeem parseert de skill-tekst naar getypeerde eenheden. Als een tekstsegment niet met vertrouwen kan worden geïnterpreteerd, wordt het behandeld als een "locked residual" (vastgelegde restant) en letterlijk behouden om veiligheid te garanderen.

B. Het Optimalisatiedoel

Het compressiedoel wordt geformuleerd als een Minimum Description Length (MDL) probleem. Het systeem zoekt naar een bibliotheek van herbruikbare contractelementen ($K$) en een restant ($R$) die de totale kosten minimaliseren:
$$(K^*, R^*) = \arg \min_{(K,R)} [L(K) + L(R | K)]$$
Onderworpen aan een harde dekking-constraint: elke geëxtraheerde normatieve vereiste (interface, workflow-rand, tool-vereiste, regel, outputveld) moet worden gedekt door de gecomprimeerde representatie. Dit zorgt ervoor dat unieke of zeldzame regels nooit worden verwijderd, simpelweg omdat ze zelden voorkomen in gesamplede taken.

C. Operationele Modi

SkillZip opereert in twee modi:

1. One-Shot Compressie: Gebruikt op bestaande geëvolueerde skill-checkpoints. Dit omvat een deterministische scanner, een schema-geconstrangeerde extractie van het contract, een voorstel van type-compatibele herbruikbare kandidaten, en een deterministische optimalisatiestap (met behulp van dynamisch programmeren en weighted packing) om de kortste dekkende verklaring te selecteren.
2. Zip-on-Write (Continueel): Geïntegreerd in de zelf-evoluerende loop. Wanneer een nieuwe patch arriveert, wordt deze vergeleken met het huidige compacte contract. Het systeem besluit of het moet Absorberen (herformuleren), Verfijnen (guards/uitzonderingen toevoegen), Uitbreiden (nieuwe vereisten toevoegen) of Refactoren (nieuwe abstracties creëren). Dit voorkomt het opnieuw afspelen van taken of het opnieuw parsen van de volledige historie. Periodieke "repacking" vindt plaats wanneer geaccumuleerde patches nieuwe mogelijkheden voor cross-scope hergebruik creëren.

3. Belangrijkste Bijdragen

1. Evaluatie-vrije Formulering: Het artikel formuleert skill-compressie als een contractrepresentatieprobleem dat is afgestemd op geëvolueerde skills, waardoor de noodzaak voor downstream-taken, rollouts of verifiers tijdens het compressieproces wordt weggenomen.
2. Shortest Faithful Explanation Objectief: Een verenigd objectief dat semantische deling, scope lifting, workflow-hergebruik en exception-encoding balanceert. Cruciaal is dat de harde dekking-constraint garandeert dat zeldzame regels behouden blijven, onafhankelijk van de taakfrequentie.
3. Dual-Mode Architectuur: Het ontwerp van One-Shot SkillZip voor batch-compressie en Zip-on-Write voor continue evolutie, waarbij dat laatste een compacte staat behoudt en het volledig opnieuw parsen van de historie voorkomt.
4. Empirische Validatie: Uitgebreide experimenten die aanzienlijke winst laten zien in compressieprestaties, generaliseerbaarheid en kostenefficiëntie vergeleken met baselines.

4. Experimentele Resultaten

De auteurs evalueerden SkillZip op drie benchmarks (BFCL-v4 Web Search, LiveMathematicianBench, SpreadsheetBench) met drie agent-backbones (Qwen3.7-Max, Qwen3.6-Plus, Kimi K2.6).

• Skill Groei (RQ1): Zelf-evolutie zorgt ervoor dat de lengte van skills monotoon groeit, waarbij gemiddeld ongeveer 5,2× de initiële grootte wordt bereikt, wat de noodzaak voor compressie bevestigt.
• Fidelity en Prestaties (RQ2): SkillZip behaalde een gemiddelde compressieratio van 31,2% (variërend van 27,1% tot 36,9%). Ondanks het gebruik van geen enkele evaluatiedata tijdens de compressie, behield het de taakprestaties of verbeterde het deze licht ten opzichte van ongecomprimeerde geëvolueerde skills (macro-gemiddelde score 0,577 vs. 0,570). Het presteerde beter dan de baseline SkillReducer in zowel compressieratio als taakprestaties.
• Efficiëntie (RQ3): SkillZip demonstreerde een 3,5× versnelling ten opzichte van SkillReducer. Waar SkillReducer 40–80 taak-rollouts per compressie vereist voor validatie, vereist SkillZip nul rollouts, door te vertrouwen op gestructureerde extractie en deterministische optimalisatie.
• Generalisatie (RQ4): Skills gecomprimeerd door SkillZip vertoonden een hogere cross-model retentie (0,97 op LiveMath) vergeleken met SkillReducer (0,91), wat suggereert dat expliciete structurele preservatie helpt bij model-agnostische executie.
• Continuele Compressie (RQ5): Het activeren van Zip-on-Write vanaf het begin van de evolutie beperkte de skill-groei tot 1,6×–1,9× de seed-lengte, vergeleken met 2,5×–3,7× zonder compressie. Dit bevestigt dat het voorkomen van redundantie efficiënter is dan het achteraf verwijderen ervan, zonder concessies te doen aan de nauwkeurigheid.

5. Betekenis en Claims

Het artikel claimt dat SkillZip een kritieke bottleneck aanpakt in zelf-evoluerende agenten: de accumulatie van redundante procedurele tekst die kosten verhoogt zonder waarde toe te voegen. Door de paradigmaverschuiving te maken van "content filtering" naar "kennisconsolidatie", biedt SkillZip een mechanisme waarmee agenten "repetitie kunnen vergeten zonder procedure te vergeten".

De betekenis ligt in het evaluatie-vrije karakter. Door te vertrouwen op de interne structuur van de skill in plaats van externe taakdistributies, vermijdt SkillZip de kosten en overfitting-risico's die gepaard gaan met evaluatie-gestuurde methoden. Het garandeert de preservatie van zeldzame maar cruciale beperkingen via harde dekking-constraints, waardoor wordt gewaarborgd dat de gecomprimeerde skill een getrouwe, uitvoerbare en menselijk leesbare artefact blijft. De auteurs positioneren dit als een praktische, betrouwbare methode voor het onderhouden van schaalbare skill-artefacten in continue leersystemen.