AI agent modern mampu menyelesaikan tugas kompleks, tapi punya satu kelemahan besar: mereka tidak belajar dari kegagalan. Setiap kali agen mulai tugas baru, ia “lupa” apa yang sudah tidak berhasil — kecuali semua pelajaran itu ditulis ulang di prompt, yang cepat menggelembung dan mahal.
Tim dari Google Research dan Virginia Tech merilis WikiSkill, kerangka kerja yang mengatasi masalah ini. Alih-alih menurunkan pelajaran dari setiap trajektori secara terpisah, WikiSkill membangun wiki terstruktur — lapisan pengetahuan antara pengalaman mentah agen dan skill yang digunakannya. Skill baru lalu dibangun dari wiki itu, bukan dari nol.
Dalam pengujian lintas lima benchmark (penalaran matematika, pencarian web, spreadsheet, pertanyaan dokumen konteks panjang, dan tugas rumah interaktif) dengan model Qwen, Gemma, dan Gemini, WikiSkill konsisten mengalahkan metode evolusi skill lain. Keunggulannya berkisar antara 3,3 hingga 12 poin di atas pesaing terkuat. Yang menarik, keuntungannya membesar seiring ukuran model: pada keluarga Qwen, peningkatan mencapai 12,3 poin di 4B, 17,5 di 9B, dan 23,9 di 27B.
Hasil yang lebih mengejutkan: skill bisa transfer lintas model. Qwen-3.5-9B diberi skill yang dievolusikan Qwen-3.6-27B mencetak 70,2% pada ALFWorld — mengungguli skill yang ia kembangkan sendiri (63,4%). Artinya, tim enterprise tidak perlu melatih ulang setiap kali mengganti model.
Keterbatasan yang diakui pengembang: wiki tumbuh terus tanpa mekanisme pemangkasan otomatis, dan sistem validasi menolak perubahan yang tidak langsung memperbaiki kinerja — meskipun perubahan itu mungkin membuka keuntungan jangka panjang. Untuk tugas yang berjalan ratusan langkah atau berjam-jam, mekanisme adaptasi online masih terbuka.
Implikasinya praktis: tim yang sudah menjalankan agen produksi dan menghasilkan ribuan execution trace kini punya cara mengubah jejak itu menjadi pengetahuan reusable — bukan hanya untuk satu model, tapi lintas model.