[논문리뷰] Demystifying Agent Skills: Why They Work-Until They Don't본 논문은 LLM 에이전트의 성능 향상을 위해 사용되는 Skills가 어떤 조건에서 효과적이며, 왜 작동하고, 또 어디에서 실패하는지에 대한 근본적인 의문을 해결하고자 한다.#Review#LLM Agents#Procedural Anchoring#Skill Distillation#Trajectory Analysis#Agent Robustness#Skill Retrieval2026년 8월 18일댓글 수 로딩 중
[논문리뷰] SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries본 논문은 LLM Agent의 스킬 라이브러리가 확장됨에 따라 발생하는 Procedural Knowledge의 중복성과 컨텍스트 예산 부족 문제를 해결하고자 합니다.#Review#LLM Agents#Agent Skills#Procedural Memory#Graph Compression#Skill Retrieval2026년 8월 12일댓글 수 로딩 중
[논문리뷰] Graph of Skills: Dependency-Aware Structural Retrieval for Massive Agent Skills본 논문은 에이전트 스킬 라이브러리가 수천 개 이상으로 확장됨에 따라 발생하는 Skill Retrieval 의 병목 현상과 불완전한 스킬 검색 문제를 해결합니다. 기존의 Vanilla Skills 방식은 전체 라이브러리를 프롬프트에 포함하여 Context Window 오버로드, 토큰 비용 증가, 성능 저하를 초래합니다.#Review#Agentic AI#Skill Retrieval#Graph-based Retrieval#Structural Dependency#Personalized PageRank#LLM Agents2026년 4월 9일댓글 수 로딩 중
[논문리뷰] How Well Do Agentic Skills Work in the Wild: Benchmarking LLM Skill Usage in Realistic Settings본 논문은 기존의 에이전트 스킬 연구가 지나치게 이상적인 환경에서 수행되고 있다는 점을 지적하며, 현실적인 설정에서 스킬의 유용성을 규명하고자 한다.#Review#LLM Agents#Agentic Skills#Skill Retrieval#Skill Refinement#Benchmarking#Test-time Adaptation2026년 4월 7일댓글 수 로딩 중