📍 LLMs podem descobrir, abstrair e reutilizar habilidades de ferramentas de nível mais avançado em diferentes tarefas? Benchmarks existentes para uso de ferramentas testam tarefas de resolução com ferramentas fixas. Mas fluxos de trabalho reais contêm estruturas recorrentes onde a eficiência vem de composições de ferramentas reutilizáveis, não de chamadas isoladas. Apresentamos o SkillCraft: 126 tarefas em 6 domínios, projetadas para testar se agentes LLM podem adquirir habilidades composicionais, e não apenas para chamar ferramentas atômicas. Também propomos o Skill Mode, um protocolo leve com quatro primitivas MCP que permite que agentes compõem, verifiquem, armazenem em cache e reutilizem cadeias de ferramentas durante o teste. Nossas principais conclusões ao longo da avaliação de 8 modelos SOTA: ⚡O Modo de Habilidade permite que os agentes se autodescubram e reutilizem habilidades, levando a maior sucesso e eficiência do que agentes sem eles. Os ganhos são maiores para modelos mais fortes. 🧠 Modelos mais fortes (por exemplo, Claude) descobrem habilidades mais generalizáveis, que se transferem entre tarefas e até mesmo entre modelos. 🔍 Composição mais profunda ≠ melhor — habilidades superficiais e bem testadas generalizam melhor. 🔗 Papel: 💻 Código: 🏠 Página: (1/7)

Quer que um agente LLM tenha sucesso em um ambiente OOD? Abordamos o caso mais difícil com o SPA (Self-Play Agent). Sem dados extras, ferramentas ou modelos mais fortes. Puro auto-jogo. Primeiro internalizamos um modelo de mundo via Self-Play, depois aprendemos como vencer por RL. Como uma criança brincando com o env para simplesmente aprender sobre "e se eu fizer isso?" Abaixo, mostramos nossas descobertas sobre: O que há de errado com os ambientes OOD? Quais são os principais fatores que permitem que o jogo próprio seja bem-sucedido? (1/8)