SkillZip: Un Nuovo Framework per la Compressione delle Librerie di Competenze degli Agenti LLM

Un recente articolo pubblicato su arXiv (2608.05604) presenta SkillZip, un framework volto a gestire efficacemente vaste librerie di competenze per gli agenti basati su Large Language Model (LLM). Poiché gli LLM funzionano sempre più come agenti con conoscenza procedurale in pacchetti di competenze riutilizzabili, la dimensione delle librerie si espande, complicando l'esposizione del contesto eseguibile minimo entro budget limitati. I sistemi attuali incontrano difficoltà nel riutilizzare routine al di sotto del livello di intera competenza, nel mantenere i contratti procedurali durante la compressione, nell'assicurare che le routine compresse rimangano eseguibili ed espandibili, e nell'aggiornare la libreria man mano che le competenze cambiano. Questi problemi derivano da una mancata corrispondenza delle unità: le competenze vengono recuperate come pacchetti, compresse come testo e trasformate in grafi di esecuzione dopo il recupero. SkillZip introduce un framework di astrazione procedurale sensibile all'esecuzione che consente una compressione che preserva i contratti sui grafi a livello di sezione. Riscrive i motivi ricorrenti validi per contratto in astrazioni portate reversibili, facilitando un riutilizzo efficiente e affidabile della conoscenza procedurale. L'articolo è stato annunciato come una sottomissione di tipo incrociato su arXiv.