[논문리뷰] From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills본 논문은 LLM 에이전트 시스템이 사용하는 기술(Skill)의 표현 방식이 텍스트 중심의 파편화된 구조에 머물러 있어, 기계적 reasoning과 자동화된 검증에 한계가 있다는 문제의식에서 출발합니다.#Review#LLM Agents#Skill Representation#Scheduling-Structural-Logical (SSL)#Skill Discovery#Risk Assessment#Knowledge Representation2026년 5월 3일댓글 수 로딩 중
[논문리뷰] Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks본 연구는 LLM 기반 에이전트가 복잡하고 긴 호라이즌(Long-Horizon)을 가진 환경에서 일관된 의사결정을 수행하지 못하는 문제를 해결하고자 합니다. 기존 LLM 에이전트는 경험을 체계적으로 발견, 보유, 재사용할 수 있는 메커니즘이 부족하여 새로운 작업마다 매번 처음부터 다시 추론해야 하는 한계가 있습니다.#Review#LLM Agents#Long-Horizon Tasks#Skill Discovery#Co-Evolution#Skill Bank#Reinforcement Learning2026년 4월 23일댓글 수 로딩 중
[논문리뷰] SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement LearningLLM(Large Language Model) 에이전트가 고립적으로 작동하며 과거 경험으로부터 학습하지 못하고, 기존 메모리 기반 방식이 중복되고 노이즈가 많은 원시 궤적을 저장하여 일반화 및 재사용 가능한 행동 패턴 추출을 방해하는 문제를 해결합니다.#Review#LLM Agents#Reinforcement Learning#Skill Discovery#Recursive Evolution#Experience Distillation#Hierarchical Skills#Context Efficiency#Task Planning2026년 2월 10일댓글 수 로딩 중