研究人员展示了DisCo，这是一种以技能驱动的自主代理，旨在通过从代码仓库中提炼专业知识，弥合机器学习研究中的操作知识差距。该系统通过两种互补的形式，将广泛使用的开源项目浓缩为可重用且经过验证的技能：针对通用生态系统的任务无关蒸馏，以及针对特定需求的任务导向生成。

  • DisCo创建了AREX-Skill库，其中包含从1,000个ML仓库中提炼出的5,000多个经过验证的技能，这些技能被组织成20个领域和178个能力家族。
  • 当配备这些技能并使用GPT-5.5作为基础模型时，该代理在MLE-bench上的得分比没有技能的同一代理提高了134.3%。
  • 在固定的研究工具包条件下，配备技能的代理在PaperBench上的性能提升了34.4%，在FrontierCS上提升了9.2%，在PassNet上提升了14.0%。

这些结果表明，添加提炼后的操作上下文允许自主代理重用特定领域的专业知识，而不是在每次运行时重新发现它。