本記事では、PolySkillという新しいフレームワークを紹介しています。このフレームワークは、大規模言語モデル（LLM）が外部環境との相互作用を通じて継続的に学習する能力を強化します。従来のスキル学習手法は特定のウェブサイトに特化しがちですが、PolySkillはスキルの抽象的な目標と具体的な実行を分離することで、一般化可能で組み合わせ可能なスキルの学習を実現します。実験結果によると、既存のウェブサイトにおけるスキルの再利用率を1.7倍向上させ、未知のサイトにおいて成功率を最大13.9%改善し、手順を20%超削減することが確認されました。また、自己探索の環境においても、学習の質の向上が見られ、エージェントが異なるサイトで機能する一般化可能なスキルを習得できることが示されます。この研究は、適応的な環境で継続的に学習できるエージェントの構築に向けた実践的な道筋を提供しています。