शोधकर्ताओं ने SkillComposer का प्रस्ताव दिया है ताकि LLM एजेंट्स के लिए उचित कौशल संयोजनों का चयन करने की बाधा को संरचित कौशल संयोजन के रूप में औपचारिक बनाकर हल किया जा सके। यह दृष्टिकोण कार्य-शर्तित कौशल अनुक्रम भविष्यवाणी के माध्यम से सक्रिय उपसमुच्चय, गिनती और निष्पादन क्रम को संयुक्त रूप से भविष्यवाणी करता है।
- SkillComposer एकल पार में सफल कौशलों के बीच निर्भरताओं को कैप्चर करने के लिए कौशल पहचानकर्ताओं पर एक प्रतिबंधित स्वतःपुनरावर्ती डिकोडर का उपयोग करता है।
- मॉडल को वास्तविक, मानव-संरक्षित कौशल लाइब्रेरी से व्युत्पन्न कार्य-संयोजन युग्मों पर प्रशिक्षित किया गया है।
- SkillsBench पर मूल्यांकन दिखाते हैं कि SkillComposer ने GPT-5.2-Codex और Gemini-3-Pro-Preview पर क्रमशः बिना कौशल वाली आधार रेखा की तुलना में पास दर को +23.1pp और +18.2pp बढ़ाया।
- विधि कम प्रॉम्प्ट-टोकन लागत के साथ शीर्ष-3 पुनर्प्राप्ति प्रदर्शन को पार कर जाती है जबकि सुनहरे कौशल पुनर्प्राप्ति ऊपरी सीमा से मेल खाती है।
यह दृष्टिकोण बढ़ती लाइब्रेरीज से कौशलों को संयोजित करने के लिए अधिक प्रभावी तरीका प्रदान करके उत्पादन-स्तरीय कोडिंग एजेंट्स के लिए अगली पीढ़ी की कार्य सफलता में सुधार करता है।