스킬은 작업의 주제와는 일치하지만 자원, 절차, 또는 출력 요구사항과는 충돌할 수 있다. 우리는 이를 동일 역량 위험 노출 검색(same-capability risk-exposure retrieval)으로 연구하며, 다섯 가지 메커니즘과 열두 가지 충돌 유형에 걸쳐 890개 유닛과 1,314개 질의 사례로 구성된 SameCapRisk-Bench를 소개한다. 각 유닛은 질의 요구사항을 충족하는 스킬과 이를 위반하는 동일 역량 스킬을 그 구분에 대한 근거와 함께 짝짓는다. 평가는 소스 작업(source-task) 요구사항과, 스킬은 고정한 채 요청된 근거 역할(evidence role) 또는 정확한 출력 인터페이스를 바꾸어 어느 스킬이 적합한지를 뒤바꾸는 두 종류의 짝지어진 질의를 테스트한다. 검색 성공과 충돌 노출을 모두 포착하기 위해, 재현율(Recall)은 유용한 적중(helpful hit)을 추적하고, 유해 형제 비율(harmful sibling rate, HSR)은 충돌하는 형제 스킬의 노출을 추적하며, CleanHit은 그러한 노출 없이 유용한 적중이 이루어질 것을 요구한다. 네 가지 공개 스킬 검색기(skill retriever)는 소스 작업 계약(source-task contract)에서 HSR@3 0.737-0.881로 충돌하는 형제 스킬을 노출하는데, 이는 통제된 소스 역할(source-role) 질의에서의 0.099-0.12와 대비된다. 1,235개의 홀드아웃(held-out) 질의로 구성된 고정 혼합 집합 전체에서, 이들의 재현율@3(Recall@3)은 0.903-0.944이고 HSR@3은 0.344-0.393이다. 이 네 가지 검색기에서 충돌하는 형제 스킬은 소스 작업 질의의 24.8-29.2%에서 1위를 차지한다. 우리는 또한 재랭커(reranker)가 입력으로 받는 내용도 조사한다: 긴 스킬을 잘라내면 두 스킬의 계약이 서로 다른 부분(passage)이 제거될 수 있다. 동일한 BGE top-20 후보에 대해, 재랭커의 입력 예산을 512에서 4,096 토큰으로 늘리면 소스 작업에서 형제 스킬이 1위로 선정되는 오류가 8.27%p 감소하지만, CleanHit 향상 효과는 불확실하다.
대규모 언어 모델(LLM) 에이전트는 재사용 가능한 방대한 스킬 라이브러리를 활용합니다. 하지만 스킬 항목이 수천 개에 이르면 검색이 병목이 됩니다. Graph-of-Skills(GoS)는 유형화된 스킬 그래프에서 의존성을 고려한 번들을 검색하며, SkillDAG는 이러한 그래프가 실행 기반 구조를 온라인으로 축적할 수 있음을 보여줍니다. 그러나 두 연구 모두 실행 궤적(execution traces)을 새로운 작업으로 일반화되는 더 우수한 검색 그래프로 증류할 수 있는지는 다루지 않았습니다. 본 연구에서는 검색 파이프라인, 스킬 라이브러리, 모델을 고정한 채 실행 궤적으로부터 그래프를 유지관리하여 검색 그래프를 학습된 표현이 아닌 인덱스로 취급하는 \textbf{자기진화형 스킬 그래프(Self-Evolving Graph-of-Skills, SE-GoS)}를 제안합니다. SE-GoS는 세 가지 업데이트를 적용합니다. (1) 실행 증거로부터 관계를 유도하고 반복적인 성공적 동시 사용 후에만 회피(avoid) 엣지를 철회하는 \textbf{위상(topology)} 업데이트, (2) 지지되지 않는 의미적 엣지를 완만하게 감쇠하고 사용된 스킬로 들어오는 엣지를 강화하는 \textbf{엣지 가중치(edge-weight)} 업데이트, (3) 순위가 너무 낮게 매겨진 그래프 노드에 저장된 검색용 설명을 갱신하는 \textbf{노드 설명(node-description)} 업데이트입니다. SkillsBench에서 1회의 진화 라운드를 통해 평균 보상이 52.4\%에서 59.4\%로 향상되어 라이브러리 전체 로딩, 벡터 검색, 정적 GoS, SkillDAG보다 높은 성능을 보였으며, 이러한 순위 관계는 세 가지 백본 모델 모두에서 일관되게 나타났습니다. 진화된 그래프를 통한 검색은 라이브러리 전체를 로딩할 때 드는 입력 토큰의 약 3분의 2만 사용합니다. 진화 라운드를 반복하는 것은 추가적인 도움이 되지 않았습니다. 동일한 그래프는 이전에 본 적 없는 홀드아웃(held-out) 분할에서도 성능을 52.9\%에서 58.3\%로 개선하여, 축적된 정보가 궤적을 단순 암기하는 것이 아니라 전이됨을 확인했습니다. 따라서 모델 학습, 검색 알고리즘 변경, 스킬 내용 수정, 또는 어떤 스킬이 관련되어 있는지 모델이 직접 판단하는 과정 없이도 실행 경험만으로 스킬 그래프를 개선할 수 있습니다.
에이전트 스킬 선택의 의미적 모호성 문제를 해결하기 위해 SkillReranker는 태스크와 스킬을 각각 서브태스크·상태 시퀀스로 구조화 파싱한 뒤, 중간 태스크 상태를 노드, 후보 스킬을 엣지로 삼는 방향성 비순환 실행 그래프를 구성하여 동적으로 스킬 집합을 선정하는 추론 시점 리랭킹 프레임워크다. ALFWorld와 ScienceWorld에서 세 가지 백본 LLM으로 실험한 결과, 기존 스킬 선택 베이스라인 대비 태스크 성능 향상과 함께 환경 상호작용 단계 및 토큰 소비가 감소함을 확인했다.