Quand les compétences des agents se retournent contre eux, SkillProx les élaguent comme une descente de gradient

Ajoutez une compétence à un agent LLM et les performances grimpent généralement. Faites-le cent fois et l'inverse peut se produire : l'agent transporte une bibliothèque de procédures, d'avertissements et de correctifs, et une bonne partie d'entre eux le tirent désormais vers le bas. Une prépublication publiée sur arXiv le 7 août 2026 affirme que le domaine a mis du temps à traiter cela comme le problème d'optimisation qu'il est.

SkillProx, issu d'une équipe académique, envisage la maintenance des compétences comme une descente de gradient textuelle. L'agent modifie ses propres compétences, mesure le résultat, conserve ce qui aide et, surtout, supprime ce qui ne sert pas. L'article rapporte un gain moyen en précision de 3,0 points de pourcentage par rapport à la baseline à base de gradient la plus solide, sur des benchmarks en distribution et hors distribution, avec plusieurs LLM de base.

Les compétences se retournent plus souvent contre l'agent que ne le montrent les moyennes

Le problème visé par SkillProx est documenté dans une série de travaux arXiv complémentaires parus cet été. Un article, « The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents », a comparé des agents avec et sans compétences sur près de 6 000 exécutions, deux benchmarks de bureautique et trois piles de harnais de modèles. Sa conclusion : les compétences produisent des régressions, des tâches résolues sans compétence mais échouées avec, à un taux suffisamment élevé pour que les meilleurs ensembles de compétences l'emportent surtout sur cet axe. L'amélioration moyenne masque un problème de comptabilité à double face.

Les systèmes existants d'édition de compétences aggravent le problème, affirment les auteurs de SkillProx, car ils diagnostiquent les échecs sans mesurer les résultats et traitent la suppression comme une opération d'édition générique. Une compétence qui a autrefois aidé peut silencieusement devenir un distracteur, et rien dans la boucle n'oblige l'agent à s'en apercevoir.

Une passe avant, une passe arrière et un rollback

SkillProx emprunte la structure des méthodes de gradient proximal, cheval de trait de l'optimisation derrière une grande partie de l'apprentissage automatique moderne, et l'applique dans l'espace textuel. Le nom fait tout : une mise à jour est maintenue proche de la compétence précédente, sauf si le résultat mesuré justifie le déplacement.

L'étape avant fonctionne en boucle fermée. L'agent réexécute des modifications pilotées par diagnostic sur le même lot de tâches, mesure ce qui a changé et annule les modifications ayant produit des régressions. Ces résultats alimentent le cycle de diagnostic suivant, si bien que l'agent ne devine pas pourquoi une compétence a échoué.

L'étape arrière est l'endroit où le framework se démarque de ses prédécesseurs. La compétence est décomposée en unités de connaissances auditables, et la contribution de chaque unité est estimée à l'aide d'un audit d'utilité leave-one-out gelé : retirez-la, réexécutez, et attribuez la différence. Une porte de validation décide ensuite si une unité est consolidée, rétrogradée ou supprimée. La suppression cesse d'être une édition de routine et devient un mécanisme dédié pour maintenir l'honnêteté des connaissances accumulées.

Une saison chargée pour la gestion des compétences

SkillProx arrive dans une période de recherche dense sur les agents auto-évolutifs. SkillCoach dérive des rubriques de processus fondées sur les compétences à partir de rollouts réels pour évaluer dans quelle mesure les agents suivent les compétences qu'ils portent. OPID propose une supervision au niveau des tokens distillée en on-policy, sans les mémoires de compétences externes dont dépendaient des variantes antérieures. SkillZip compresse les bibliothèques de compétences gonflées en découvrant une structure réutilisable sans exécuter d'évaluations.

La contribution de SkillProx va dans l'autre sens. Plutôt que de noter l'utilisation des compétences ou de réduire les fichiers, il fait de la suppression une opération de première classe avec la même rigueur que l'ajout. L'objectif composite qu'il optimise met en balance la perte de tâche et la complexité des compétences, ce qui revient à dire qu'un agent ne devrait pas porter une compétence qui coûte plus qu'elle ne rapporte.

Les chiffres, et les parties que l'article ne couvre pas

Le gain de 3,0 points de pourcentage rapporté est mesuré par rapport à « la baseline à base de gradient la plus solide », et les ablations de composants attribuent les résultats aux deux moitiés de la conception : le diagnostic en boucle fermée et le raffinement proximal. La prépublication ne nomme pas les LLM de base qu'elle a testés, de sorte que la manière dont le mécanisme se transpose d'une famille de modèles à l'autre est laissée à la version complète et à la réplication.

La question de savoir si les modifications de SkillProx restent sûres à mesure que les bibliothèques grandissent, et celle de savoir si l'audit leave-one-out passe à l'échelle pour de très grands ensembles de compétences, sont des questions ouvertes que la prépublication ne résout pas. Elle ne dit pas non plus si le code sera publié.

Ce que ces travaux signalent, c'est un changement dans la manière dont le domaine traite la mémoire des agents. Les compétences ne sont plus seulement accumulées. Elles sont gérées, mesurées et élaguées, avec une discipline comparable à celle appliquée aux poids. L'agent qui oublie délibérément pourrait finir par surpasser celui qui se souvient de tout.