WikiSkill trennt rohe Ausführungserfahrung, gesammeltes Wissen und ausführbare Skills. Die Einsichten, aus denen ein Skill entsteht, landen in einem Wiki und stehen der nächsten Entwicklungsrunde wieder zur Verfügung. Damit soll Erfahrung nicht in einzelnen Optimierungsprotokollen verstreut bleiben.
Getestet wurde auf LiveMathematicianBench, SealQA, SpreadsheetBench, OfficeQA und ALFWorld mit fünf Modellen. Gemini 3.5 Flash stieg von 49,5 auf 68,1 Prozent, Qwen 3.6 27B von 39,4 auf 63,3 Prozent. Beim konkreten Größenvergleich erreichte Qwen 3.5 9B mit Skills 47,4 Prozent gegenüber 39,4 Prozent für Qwen 3.6 27B ohne Skills.
Die Autoren berichten außerdem, dass entwickelte Skills zwischen Modellen und Modellfamilien übertragbar sind. In der Ablation sei die dauerhafte Wissensansammlung entscheidend für die Skill-Entwicklung gewesen. Der Effekt beruht nach dieser Darstellung also auf konsolidierter Erfahrung, nicht lediglich auf mehr Kontext im aktuellen Lauf.
Die Messungen stammen aus einem nicht unabhängig replizierten Preprint. Das beste Modell im Feld, Gemini 3.5 Flash, gehört zum Umfeld der überwiegend bei Google Research arbeitenden Autoren. Prozentwerte und Detailbefunde stammen aus dem Volltext und der Rezeption, nicht alle aus dem Abstract.