연구진은 LLM 에이전트의 성능을 향상시키기 위해 새로운 스킬 구성 프레임워크인 CSTS(Collective Skill Tree Search)를 제안했어요.
CSTS는 CSN-Gen과 CSN-Assess 두 단계로 구성되어 다양한 후보 스킬을 탐색하고, 효과적인 스킬을 평가 및 선택하는 과정을 거쳐요.
CSTS를 통해 구축된 스킬 트리는 장기 계획, 도구 사용, 일반화 능력을 향상시켜 OpenClaw-Skill 모델의 성능을 돋보이게 해요.
연구진은 또한 스킬 트리에 있는 여러 관련 스킬을 적극적으로 선택하는 Collective Skill Reinforcement Learning을 도입하여 최적의 솔루션을 탐색하도록 했어요.