大規模モデルエージェントは無意味な積み重ねから卒業！香港中文大学のチームがSLIMフレームワークを発表 外部スキルのライフサイクルを動的に管理

大規模言語モデルエージェント（LLM Agent）は、「会話する」から「行動する」に向けた連続的な意思決定段階へと進化しており、しかしエージェントの外部能力を効率的に管理する方法が業界全体にとって急務の課題となっています。最近、香港中文大学チームが論文『Dynamic Skill Lifecycle Management for Agentic Reinforcement Learning』において、「SLIM」という動的スキルライフサイクル管理フレームワークを正式に提案しました。この画期的な成果は、従来の業界でエージェントにスキルを無理に積み重ねるという悪循環を打破し、物理的世界とバーチャル世界の複雑なタスクの実装に新たなアプローチを提供しています。

ウェブ検索、自動オフィス作業および身体を持つロボットなどの複雑で長期的なシナリオでは、エージェントは外部スキルを呼び出して誤りやすいまたは長尾のステップを処理する必要があります。しかし、従来の方法はスキルを常に蓄積しようとするため、検索ノイズやコンテキストの混乱が増加する一方、あるいは「ゼロスキル推論」を目指し、すべての能力をモデルパラメータに押し込み、局所的だが重要な能力を失うことがあります。このような課題に対して、SLIMフレームワークは外部スキルをライフサイクルを持つ動的な能力システムとして見なし、強化学習の訓練中にモデルが外部スキルの削除や拡張を自主的に判断できるようにします。

SLIMの基本的な動作メカニズムは巧妙な閉ループです。トレーニング段階では、システムは現在の状態に基づいて汎用的またはタスク固有のスキルを精密に検索し、GRPOアルゴリズムを使用してエージェントの意思決定方針を更新します。その後、システムは独自の「留一法」（leave-one-skill-out）によりスキルを審査します。特定のスキルを一時的に無効にしてその限界的な外部貢献を評価します。無効にした後でも性能が大幅に低下すれば、そのスキルを「保持」(Retain)します。長期的に貢献が低い場合は、モデルがその能力を吸収したか、または干渉を引き起こしている可能性があるため、「退職」(Retire)させます。継続的に失敗する新しいシナリオでは、システムは「拡張」(Expand)機構を通じて失敗ケースから学んで新しいスキルを補完します。

実験結果によると、このフレームワークは全体的なパフォーマンスで現存する最良の比較手法より平均7.1ポイント高いことが示されています。特に動作実行やステップが複雑なALFWorld家庭環境タスクでは、SLIMは簡潔かつ効率的な外部スキル管理により、87.5％の成功率を達成し、強基線手法であるSkillRLの75.0％を大きく上回りました。また、情報検索と推論に重点を置いたSearchQAタスクでは、SLIMは依然として強い競争力を示し、モデルが一部の検索戦略を内包的に吸収できる技術的経路を検証しました。