Qué probaría antes de escalar esta idea.
- PREGUNTA DE PRUEBA
- ¿Los skills adaptados al ejecutor conservan la mejora cuando cambian las tareas y el modelo pequeño, sin depender de una semilla concreta?
- ENTRADA
- 20 tareas nuevas, Qwen3.5-4B y 9B, skills de SKILLER frente a no-skill y tres baselines, con tres semillas.
- MÉTRICA
- Puntuación media, transferencia a tareas no vistas, coste de generación y variación entre semillas.
- PARADA
- Parar si la mejora mediana es menor de 5 puntos o si la variación entre semillas supera 20% de la del baseline.
Un skill claro para una tarea estable puede degradarse cuando cambian los datos, las herramientas o las condiciones del entorno.
Esta prueba es una propuesta editorial: no es un resultado reportado por los autores.
Lo esencial antes de invertir más tiempo.
SKILLER usa un modelo fuerte como actor y crítico para generar skills adaptados al ejecutor pequeño. La señal de aprendizaje viaja en lenguaje natural y no exige modificar directamente el modelo executor.
En cinco benchmarks, los skills de SKILLER mejoran entre 4,3 y 20,4 puntos el modelo Qwen3.5-9B y entre 1,8 y 13,3 puntos el modelo 4B frente a los métodos comparados.
Resultado reportado con fuente enlazada · 5 localizadores disponibles.Un skill claro para una tarea estable puede degradarse cuando cambian los datos, las herramientas o las condiciones del entorno.
Apunta a una arquitectura con economía clara: un modelo caro diseña procedimientos y un SLM barato los ejecuta muchas veces. Eso puede abrir agentes verticales locales y edge.
SKILLER usa un modelo fuerte como actor y crítico para generar skills adaptados al ejecutor pequeño. La señal de aprendizaje viaja en lenguaje natural y no exige modificar directamente el modelo executor.
Qué sostiene esta confianza — y qué sigue sin probarse.
Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.
- FUENTE PRIMARIA
- DOCUMENTADO
Lectura primaria completa registrada sobre v1; comprobación: 2026-08-20 · método, resultado y límites revisados; fuente primaria enlazada.
- RÉPLICA LOCAL
- PENDIENTE
No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica.
- LÍMITES
- DOCUMENTADO
3 límites declarados en la ficha.
- APLICABILIDAD
- ACOTADO
Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado.
REGLA EDITORIALLos criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.
Qué está reportado y qué conviene comprobar.
En cinco benchmarks, los skills de SKILLER mejoran entre 4,3 y 20,4 puntos el modelo Qwen3.5-9B y entre 1,8 y 13,3 puntos el modelo 4B frente a los métodos comparados.
+4,3 a +20,4 puntos (9B); +1,8 a +13,3 puntos (4B) · baseline: tres métodos open source y un método cerrado de generación o evolución de skills · contexto: Qwen3.5-9B y Qwen3.5-4B sobre cinco benchmarks
Qué estudiaron y qué cambia.
La síntesis está separada de los resultados reportados y de las inferencias.SKILLER parte de una tensión práctica: los modelos fuertes son buenos generando procedimientos, pero sus costes de inferencia dificultan ejecutar esos agentes muchas veces. Los modelos pequeños son más baratos y desplegables, pero un skill escrito para un modelo frontier no tiene por qué ser comprensible ni eficaz para ellos. El paper pregunta si la transferencia puede hacerse en el nivel del procedimiento, sin transferir pesos.
La propuesta usa un modelo fuerte como actor y crítico, trata al sistema de agente basado en el modelo pequeño como el entorno y propaga las señales de refuerzo completamente en lenguaje natural. En lugar de entrenar directamente los pesos del ejecutor, genera skills específicos para ese modelo y los evalúa por su capacidad de guiar tareas repetibles. La evaluación cubre cinco benchmarks y dos ejecutores, Qwen3.5-9B y Qwen3.5-4B.
Frente a tres métodos open source y uno cerrado de generación o evolución de skills, los autores reportan mejoras absolutas de entre 4,3 y 20,4 puntos para el modelo de 9B, y de entre 1,8 y 13,3 puntos para el de 4B. En tareas de un solo skill de SkillsBench, los modelos pequeños llegan a igualar el rendimiento de modelos cerrados fuertes. La señal relevante no es solo la puntuación final, sino que el procedimiento se adapta al ejecutor que realmente lo va a usar.
Esto dibuja una economía interesante para agentes verticales: pagar el coste alto al diseñar y criticar el procedimiento, y ejecutar después con un modelo pequeño muchas veces. La cautela es que la transferencia depende del formato del skill, del modelo concreto y de la estabilidad del entorno; un procedimiento que funciona hoy puede necesitar regenerarse cuando cambian las herramientas, los datos o las excepciones de producción.
- PROBLEMA
- Un procedimiento escrito para un modelo frontier no tiene por qué ser comprensible, económico o eficaz para un modelo pequeño.
- MÉTODO
- Usa un modelo fuerte como profesor y crítico para extraer procedimientos en lenguaje natural que un modelo pequeño pueda ejecutar. La transferencia ocurre en forma de skill, no de pesos.
- TIPO DE EVIDENCIA
- Resultados experimentales sobre extracción y ejecución de skills en modelos pequeños; la propuesta depende de que el procedimiento sea observable y evaluable.
- LÍMITE
- Un skill claro para una tarea estable puede degradarse cuando cambian los datos, las herramientas o las condiciones del entorno.
La especialización viaja como procedimiento ejecutable, no como pesos nuevos.
La unidad de transferencia que conviene versionar puede ser el procedimiento.
La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
Comprobar fuente primaria ↗ (sitio externo; abre en una pestaña nueva)La lectura también deja rastro.
Guarda una observación junto a la evidencia. Tú escribes aquí; los agentes pueden añadir notas por MCP y aparecerán identificados.
LECTURA AMPLIADAMetodología, implicaciones y preguntas para volver al paper.+
Usa un modelo fuerte como profesor y crítico para extraer procedimientos en lenguaje natural que un modelo pequeño pueda ejecutar. La transferencia ocurre en forma de skill, no de pesos.
Apunta a una arquitectura con economía clara: un modelo caro diseña procedimientos y un SLM barato los ejecuta muchas veces. Eso puede abrir agentes verticales locales y edge.
Un skill claro para una tarea estable puede degradarse cuando cambian los datos, las herramientas o las condiciones del entorno.
Cómo lo llevaría a un proyecto
Separar la fase cara de diseñar y revisar procedimientos de la fase barata de ejecutarlos repetidamente en procesos acotados.
Preguntas que conviene probar
- ¿Qué formato de skill es más transferible entre modelos?
- ¿Cómo se versionan las excepciones que aparecen en producción?
Si tuviera que convertirlo en una prueba mañana.
Mi lectura
La especialización puede empaquetarse como procedimiento antes que como nuevo modelo.
Esta última frase es una inferencia editorial a partir del paper y de sus posibles implicaciones; no es una afirmación de los autores.
La prueba que queda en pie.
¿Los skills adaptados al ejecutor conservan la mejora cuando cambian las tareas y el modelo pequeño, sin depender de una semilla concreta?