Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward

Created by

Haebom

저자

Renjun Xu, Yang Yan

💡 개요

이 논문은 거대 언어 모델(LLM)을 단일 모델에서 온디맨드 능력 확장을 가능하게 하는 모듈형 에이전트 시스템으로 전환하는 중요한 변화를 조명합니다. 에이전트 스킬이라는 개념을 도입하여, 재학습 없이 LLM의 절차적 지식을 동적으로 확장하는 방법을 제안합니다. 본 논문은 아키텍처, 습득, 보안 및 미래 연구 방향을 포괄적으로 다루며, 특히 커뮤니티 기여 스킬의 취약성 문제를 해결하기 위한 보안 프레임워크를 제안합니다.

🔑 시사점 및 한계

•

LLM의 기능 확장을 위한 '에이전트 스킬'이라는 새로운 추상화 계층의 중요성을 강조합니다.

•

커뮤니티에서 개발된 LLM 스킬의 26.1%에서 보안 취약점을 발견하여, 스킬의 신뢰성 및 수명 주기 관리에 대한 체계적인 접근이 필요함을 시사합니다.

•

다양한 플랫폼 간 스킬 이식성, 역량 기반 권한 모델 등 해결해야 할 7가지 오픈 챌린지를 제시하며, 신뢰할 수 있고 자가 개선되는 스킬 생태계 구축을 위한 연구 아젠다를 제안합니다.

PDF 보기

Made with Slashpage