SkillRAE-Paper: Retrieval Augmented Execution übertrifft alle Baselines für Agentenfertigkeiten
Forscher der CUHK Shenzhen haben SkillRAE veröffentlicht, das vorschlägt, dass Skill-Retrieval für Agenten einen grundlegend anderen mathematischen Raum erfordert als Dokument-RAG – denn Skills sind ausführbare Operatoren, keine passiven Texte. SkillRAE baut einen Offline-Drei-Ebenen-Graphen (Community→Skill→Untereinheit) auf, wendet dann duales Top-down- (Makro-Keyword) und Bottom-up- (eingebettete Untereinheit) Retrieval an und kompiliert vor dem Aufruf einen „vollständig aufgelösten Blueprint”. Dieser Ansatz übertrifft Vanilla-Retrieval, Skill-Router-Baselines und selbst-generierte Skill-Ansätze auf Skill-Bench und Agent-Skill-OS.
Warum es zählt
Die Erkenntnis, dass LLMs Cross-Skill-Abhängigkeiten zur Inferenzzeit nicht zuverlässig auflösen können – und daher ein Kompilierungsschritt erforderlich ist – reformuliert das Agenten-Skill-Design: von „dem LLM einen Ordner mit MDs geben” zu einem strukturierten Offline-Build- und strukturierten Retrieval-Problem. Hohe praktische Relevanz für produktive agentische Systeme.