研究者らは、大規模言語モデルエージェントが自己進化のために再利用可能な標準手順（SOP）に原子アクションを合成できるフレームワークであるEvoSOPを提案した。このシステムは実行軌跡からこれらのSOPを抽出し、構築、マージ、評価、および剪定を通じてツールセットを反復的に最適化する。

  • エージェントは、低レベルのワークフローを再発明する必要を回避し、マルチステップロジックをカプセル化する呼び出し可能な高次ツールを作成する。
  • このフレームワークは、エージェントの相互作用からSOPを抽出して最適化するための体系的なライフサイクルを実装している。
  • 実験により、ベースラインと比較してタスクの成功率が大幅に向上し、対話ラウンドが削減されたことが示された。

このアプローチは、信頼性が高く効率的なツール使用パターンを促進し、自己進化型エージェントの開発のためのスケーラブルな経路を提供する。