Para penulis menyajikan DisCo, agen penelitian berbasis keterampilan yang dirancang untuk menjembatani kesenjangan dalam pengetahuan operasional dengan mendistilasi keahlian spesifik domain dari sumber eksternal. Sistem ini memadatkan repositori machine learning yang banyak digunakan menjadi keterampilan yang dapat digunakan kembali dan terverifikasi melalui dua bentuk pelengkap: distilasi agnostik-tugas untuk utilitas luas dan distilasi berorientasi-tugas untuk kebutuhan spesifik.
- DisCo menghasilkan Perpustakaan AREX-Skill, berisi lebih dari 5.000 keterampilan terverifikasi yang didistilasi dari 1.000 repositori ML di 20 area dan 178 keluarga kemampuan.
- Ketika dipasangkan dengan backbone GPT-5.5 dan anggaran eksekusi tetap, agen yang dilengkapi keterampilan mengungguli baseline tanpa keterampilan sebesar 134,3% pada MLE-bench, 34,4% pada PaperBench, 9,2% pada FrontierCS, dan 14,0% pada PassNet.
Hasil-hasil ini menunjukkan bahwa penambahan konteks operasional yang didistilasi memungkinkan agen otonom untuk menggunakan kembali pengetahuan di berbagai tugas daripada menemukannya kembali selama setiap pelaksanaan.