研究者らは、DisCoを発表しました。これは機械学習研究における運用知識のギャップを埋めるために設計された、スキル駆動型の自律エージェントです。このシステムは、コードリポジトリから専門知識を抽出し、再利用可能で検証済みのスキルへと凝縮します。その手法は、一般的なエコシステムに対するタスク非依存の凝縮と、特定のニーズに対するタスク指向の生成という2つの補完的な形式で行われます。

  • DisCoはAREX-Skill Libraryを作成しました。これは1,000のMLリポジトリから抽出された5,000以上の検証済みスキルを含み、20の領域と178の能力ファミリーに整理されています。
  • これらのスキルを備え、GPT-5.5バックボーンを使用する際、エージェントはMLE-benchにおいてスキルなしのエージェントと比較してスコアが134.3%向上しました。
  • スキル搭載エージェントは、固定された研究ハーネス条件下で、PaperBenchで34.4%、FrontierCSで9.2%、PassNetで14.0%のパフォーマンス向上も達成しました。

これらの結果は、凝縮された運用文脈を追加することで、自律エージェントが各実行時に再発見するのではなく、ドメイン固有のノウハウを再利用できることを示しています。