연구진이 Skill-to-LoRA(S2L)라는 새로운 기술 표현 방식을 제안했어요. S2L은 SKILL.md 파일에 담긴 기술 내용을 LoRA 어댑터로 변환하여 런타임에서 기술 텍스트를 제거하고 행동 변화를 모델링해요.
Qwen3.6-27B 모델로 SWE-Skills-Bench를 평가한 결과, S2L은 기존 방식 대비 합격률을 2.9~5.2%p 향상시키고 토큰 비용을 6.6% 절감했어요.
S2L은 21개의 기술 중 18개에서 Full Skill Text를 능가하는 성능을 보였으며, 잘못된 LoRA 어댑터 사용 시 성능 저하가 발생하는 것을 확인했어요.