Een team onder leiding van Jinluan Yang publiceerde op 16 oktober 2026 een nieuw artikel op arXiv. Daaruit blijkt dat agents die zijn getraind om zowel hun beleid als een vaardighedenbank te verbeteren, kwetsbaar worden als die bank later verandert. De auteurs stellen een nieuwe evaluatiemethode voor, de CO-evolution Drift Audit (CODA), die veranderingen in vaardigheden simuleert en de consistentie en weerbaarheid meet. Bij vier methoden en vijf benchmarks constateert CODA dat het succespercentage in het slechtste geval met 5-13 punten daalt. Daarmee verdwijnt het grootste deel van de voorsprong die de agents hadden op een basislijn zonder vaardigheden.
Waarom het ertoe doet
Wie AI-agents inzet, zal hun weerbaarheid tegen veranderingen in vaardigheden moeten testen, en niet alleen hun topprestaties.
