RL‑gestützte Agenten verbessern sich selbst mit einer Skill‑Bibliothek
In einer neuen Studie von arXiv (2512.17102v1) wird gezeigt, wie Reinforcement‑Learning (RL) Agenten, die auf großen Sprachmodellen (LLM) basieren, ihre Fähigkeiten kontinuierlich erweitern können. Der Ansatz nutzt eine Skill‑Bibliothek, in der Agenten neue Fertigkeiten lernen, prüfen und einsetzen können, anstatt sich ausschließlich auf LLM‑Prompting zu verlassen.
