著者らは、外部ソースからドメイン固有のノウハウを蒸留することで、運用知識のギャップを埋めることを目的とした、スキル駆動の研究エージェントであるDisCoを発表する。このシステムは、広範な汎用性を実現するためのタスク非依存の蒸留と、特定のニーズに対応するためのタスク指向の蒸留という2つの補完的な形式を通じて、広く使用されている機械学習リポジトリを再利用可能で検証済みのスキルに凝縮する。

  • DisCoは、20の領域と178の能力ファミリーにわたる1,000のMLリポジトリから蒸留された5,000以上の検証済みスキルを含むAREX-Skill Libraryを生成する。
  • GPT-5.5バックボーンと固定の実行予算と組み合わせると、スキル搭載エージェントは、MLE-benchで134.3%、PaperBenchで34.4%、FrontierCSで9.2%、PassNetで14.0%それぞれ、スキルなしのベースラインを上回るパフォーマンスを示す。

これらの結果は、蒸留された運用文脈を追加することで、自律型エージェントが各実行中に再発見するのではなく、タスク間で知識を再利用できることを示している。