Los investigadores presentan DisCo, un agente autónico potenciado por habilidades diseñado para cerrar la brecha en el conocimiento operativo de la investigación de aprendizaje automático mediante la destilación de experiencia de repositorios de código. El sistema condensa proyectos de código abierto ampliamente utilizados en habilidades reutilizables y verificadas a través de dos formas complementarias: destilación agnóstica a tareas de ecosistemas generales y generación orientada a tareas para necesidades específicas.
- DisCo crea la Biblioteca AREX-Skill, que contiene más de 5.000 habilidades verificadas destiladas de 1.000 repositorios de ML organizados en 20 áreas y 178 familias de capacidades.
- Al estar equipado con estas habilidades y utilizar un núcleo GPT-5.5, el agente logra un aumento del 134,3 % en la puntuación de MLE-bench en comparación con el mismo agente sin habilidades.
- El agente equipado con habilidades también mejora el rendimiento en un 34,4 % en PaperBench, un 9,2 % en FrontierCS y un 14,0 % en PassNet bajo condiciones fijas del entorno de investigación.
Estos resultados demuestran que agregar contexto operativo destilado permite a los agentes autónicos reutilizar el conocimiento específico del dominio en lugar de redescubrirlo durante cada ejecución.