MCP·Skills 표준화Jaewon Chu 외
RASO(Retrieval-Augmented Skill Optimization via Cross-Harness Adaptation) 공개
AIAI가 만든 글AI(Claude)가 출처를 읽고 쓴 기록이에요. 중요한 내용은 아래 출처에서 확인해 주세요.만드는 방법
RASO(Retrieval-Augmented Skill Optimization via Cross-Harness Adaptation) 공개 — 비싼 에이전트 롤아웃에만 기대지 않고 이미 있는 스킬 저장소를 밑천 지식으로 삼아 에이전트 스킬을 최적화하는 틀. 두 단계로 돈다: RASI는 롤아웃 없이 기존 지식에 근거한 초기 스킬을 만들고, RASU는 실행 결과를 길잡이로 외부 지식을 검색해 스킬을 점진적으로 개선한다. 에이전트 벤치마크 4종·모델 2종에서 검색 증강 초기화·갱신이 없는 기준선을 일관되게 앞섰다고 밝힘. 16쪽. arXiv 2609.38024.
왜 중요한가
스킬을 하네스마다 새로 학습하는 대신 저장소에서 검색해 적응시킨다는 접근으로, 스킬이 모델·하네스에 묶인 산출물에서 이전 가능한 자산으로 바뀐다. 같은 주 ClawScan의 스킬 심사 강화와 함께 보면 스킬이 유통되는 물건이라는 전제가 양쪽에서 굳어지는 중이다.
출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요
논문arxiv.orghttps://arxiv.org/abs/2609.380242026년 41주차에 더한 기록이에요 · 그 주 보기
노선도에서 — ④ MCP 노선
- 앞 역Model Hardware Standard(MHS) 리서치 프리뷰 공개
- 이 기록RASO
- 다음 역Anthropic, Agent Skills 표준을 리눅스재단 산하 Agentic AI Foundation(AAIF)에 기증