طور باحثون في جوجل ريسيرش نظامًا جديدًا يسمح للوكلاء الذكيين بالاحتفاظ بذاكرة دائمة من التجارب السابقة. بدلًا من فقدان المعلومات بعد كل تشغيل، يجمع النظام البيانات عن حالات الفشل والنجاح في هيكل شبيه بالويكي، ويستخدمها لتطوير قدرات الوكيل تدريجيًا عبر إنشاء "مهارات" قابلة لإعادة الاستخدام توجه سلوك النموذج.

ينقسم نظام WikiSkill إلى ثلاث طبقات متكاملة. الطبقة الأولى "الخام" تحفظ تسجيلات التنفيذ الكاملة بما فيها استدعاءات الأدوات والنتائج، ولا تتغير أبدًا. أما الطبقة الوسطى فتضم "الويكي" الذي يحول البيانات الخام إلى رؤى منظمة مثل أنماط الفشل والاستراتيجيات الناجحة، وهذه الطبقة تنمو باستمرار ولا تُحذف. الطبقة الثالثة تحتوي على التعليمات الإجرائية النشطة التي يتبعها الوكيل، وتختلف عن الويكي بأنها قابلة للتراجع إذا أضرت الأداء.

اختبرت جوجل النظام على خمس مهام شملت استدلال رياضي والبحث الويبي ومعالجة جداول البيانات والإجابة على أسئلة في المستندات والمهام التفاعلية. استخدم الباحثون نماذج متعددة منها Qwen بأحجام مختلفة و Gemini-3.5-Flash و Gemma-4-31B. حقق النظام تحسينات ملحوظة: رفعت أداء Gemini-3.5-Flash من 49.5% إلى 68.1% بالمتوسط، وQwen-27B من 39.4% إلى 63.3%. في بعض المهام كانت القفزات أكبر، مثل ارتفاع أداء Gemini على مهمة LiveMath من 33% إلى 72.6%.

أظهرت النتائج أن النموذج الأكبر يستفيد أكثر من المهارات المتطورة، لكن النماذج الأصغر باستخدام WikiSkill قد تضاهي أداء نماذج أكبر بدون الإطار الجديد. تحتفظ المهارات المطورة من نموذج واحد بقيمتها حتى عند تطبيقها على نموذج آخر، رغم أن الفعالية تختلف حسب الحالة. كما لاحظ الباحثون أن مهام المستندات الطويلة تحقق تحسينات أقل مقارنة بالمسائل الرياضية ومعالجة الجداول.