SkillMOO: Ottimizzazione Multi-Obiettivo delle Competenze degli Agenti per l'Ingegneria del Software

Il framework SkillMOO, recentemente introdotto e descritto nell'articolo arXiv 2604.09297, concettualizza i bundle di competenze degli agenti di ingegneria del software (SE) come entità di ricerca multi-obiettivo. Migliora questi bundle tramite modifiche suggerite da LLM e impiega la selezione Pareto NSGA-II, concentrandosi sul tasso di successo e sul costo di inferenza. SkillMOO è stato testato su tutti i 16 compiti SE di SkillsBench, raggiungendo il tasso di successo più alto in 11 dei 12 compiti con successi non nulli, insieme a riduzioni dei costi fino al 31,7% rispetto ai bundle statici e miglioramenti nei tassi di successo fino a 21 punti percentuali. Un esame di 38 modifiche alle competenze indica che il pruning e la sostituzione sono le strategie più efficaci, fornendo preziose indicazioni per lo sviluppo di bundle di competenze. L'articolo sottolinea che fare affidamento esclusivamente su competenze statiche e artigianali è inadeguato, poiché possono migliorare il successo del compito ma aumentare i costi dei token o offrire indicazioni fuorvianti. Questo framework mira a ottimizzare sia i tassi di successo che i costi di inferenza, superando i limiti dei metodi esistenti che si concentrano solo sui tassi di successo.