저자들은 DisCo를 제시했는데, 이는 외부 소스에서 도메인 특화 노하우를 압축하여 운영 지식의 격차를 해소하도록 설계된 기술 기반 연구 에이전트입니다. 이 시스템은 광범위한 활용도를 위한 작업 비특화(distillation)와 특정 요구사항을 위한 작업 지향적(distillation)이라는 두 가지 보완적인 형태를 통해 널리 사용되는 머신러닝 저장소를 재사용 가능하고 검증된 기술로 압축합니다.

  • DisCo는 20개 영역과 178개 능력 계열에 걸쳐 있는 1,000개의 ML 저장소에서 압축된 5,000개 이상의 검증된 기술을 포함하는 AREX-Skill 라이브러리를 생성합니다.
  • GPT-5.5 백본과 고정 실행 예산과 함께 사용할 때, 기술이 탑재된 에이전트는 MLE-bench에서 134.3%, PaperBench에서 34.4%, FrontierCS에서 9.2%, PassNet에서 14.0%의 성능 향상을 보이며 기술 없는 기본값을 능가합니다.

이러한 결과는 압축된 운영 맥락을 추가함으로써 자율 에이전트가 각 실행마다 지식을 재발견하는 대신 작업 간에 지식을 재사용할 수 있음을 보여줍니다.