SkillFlow: Efficient Skill and Code Transfer Through Communication in Adapting AI Agents

要約

AIエージェントは、事前定義されたプログラミングに基づいて特定のタスクを実行できる自律システムです。
ここでは、エージェントが環境や他のエージェントから新しいスキルを獲得することにより、エージェントがアドホックなファッションで機能を拡大できるようにするモジュール式のテクノロジーに依存しないフレームワークであるSkillFlowを提示します。
このフレームワークがどの条件で有益であるかを調べる理論モデルを提示し、タスクの完了を加速し、実際のアプリケーションの累積コスト、つまりカレンダーイベントのスケジューリングエージェントの累積コストを削減するスキルフローの能力を調査します。
数回の反復で、スキルフローはかなりの（24.8％、p値= $ 6.4 \ times10^{-3} $）時間とコストの増加につながることを実証します。特に通信コストが高い場合。
最後に、よく研究された生物学的システムから類似性を描き、このフレームワークを横方向の遺伝子転移のフレームワークと比較します。これは、新しい環境における適応と進化の重要なプロセスです。

要約(オリジナル)

AI agents are autonomous systems that can execute specific tasks based on predefined programming. Here, we present SkillFlow, a modular, technology-agnostic framework that allows agents to expand their functionality in an ad-hoc fashion by acquiring new skills from their environment or other agents. We present a theoretical model that examines under which conditions this framework would be beneficial, and we then explore SkillFlow’s ability to accelerate task completion and lead to lower cumulative costs in a real-world application, namely scheduling agents for calendar events. We demonstrate that within a few iterations, SkillFlow leads to considerable (24.8%, p-value = $6.4\times10^{-3}$) gains in time and cost, especially when the communication cost is high. Finally, we draw analogies from well-studied biological systems and compare this framework to that of lateral gene transfer, a significant process of adaptation and evolution in novel environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google