技能库相关 AI 资讯

8月13日

23:51

elvis@omarsar0

精选

微软和同事的新论文（arXiv:2608.11888）评估了技能库对智能体的实际影响。他们对比技能引导与匹配参考运行，将307个智能体失败归因于加载的技能，其中125个为功能失败、182个为效率回归。失败很少来自无关技能，而看似相关的技能会促使智能体错误实现或遗漏任务要求。成本回归并非由提示长度解释，最大来源是过度验证（67例），其次是重型实现管线（30例）。技能将验证清单变成强制性工作。

论文 Microsoft 技能库智能体

推荐理由：微软这篇论文把技能库的坑量出来了：307次失败里大多数是技能“帮倒忙”。做Agent的值得看看。

原文

8月7日

13:17

官方账号arXiv cs.AI@Indivara Kolluru, Nathan Sportsman

该研究在690个技能的库上对比了混合排序器和知识图谱两种Agent检索方案。117个真实查询中，混合排序器的top5准确率为73.5%±8.0。知识图谱比排序器低11.2个百分点（p=0.0007），且73%的失败查询无法通过图结构到达。自编查询会高估hit@5达44个百分点，掩盖了这一差距。

论文智能体技能库知识图谱

推荐理由：这篇论文用690个技能做测试，发现简单混合排序比知识图谱更靠谱，还提醒大家别用自编查询骗自己。

原文

7月1日

01:52

官方账号Jim Fan@jimfan

精选

ASPIRE 是斯坦福团队提出的新型机器人持续学习方法。它通过编码智能体观察仿真与真实机器人的多模态感官痕迹，对控制程序进行进化搜索，并将最佳技能提炼到不断扩展的库中。ASPIRE 实现了约 10 倍的迁移学习计算令牌节省，且开源完整代码。机器人在真实世界中学习 100 个任务后不会像第一次那样迷茫，技能库可无限累积。

AI模型 ASPIRE 机器人技能库

推荐理由：斯坦福团队开源了 ASPIRE，让机器人技能库自动进化，学了 100 个任务后还会越用越强，迁移到真实环境也快 10 倍。

原文

6月17日

00:01

elvis@omarsar0

精选

OpenClaw-Skill是一种新方法，通过树搜索而非贪心蒸馏来构建代理技能库。该方法分两个迭代阶段，联合生成、识别并组合技能节点，输出结构化的技能树。与传统的扁平化单次启发式技能列表相比，它能更好地实现组合性和覆盖性。该研究基于arXiv论文2606.16774。

论文 OpenClaw-Skill 智能体 LLM

事件专题

推荐理由：想给LLM代理搞技能库？OpenClaw-Skill用树搜索取代扁平堆叠，两个阶段搞定组合与覆盖，比贪心蒸馏靠谱。

原文

6月16日

09:42

官方一手arXiv: DeepSeek@Yixuan Wang, Yiyang Zhou, Yiming Liang, Congyu Zhang, Fuxiao Liu, Jiawei Zhou, Huaxiu Yao

精选72°

论文提出ASSAY框架，通过随机遮蔽测量技能库中每个技能的因果贡献，发现个体技能对某些任务类型有帮助但对其他任务有害，全局筛选效果欠佳。ASSAY在AppWorld和tau-bench两个基准上，对DeepSeek-V3、GPT-4.1等7个基础模型进行测试。在AppWorld最难分岔上，DeepSeek-V3达到69.3%任务目标完成率，相对提升47.4%，超越所有已发表方法包括权重微调方法。在tau-bench零售环境中，GPT-4.1相对提升8.7%，超越o4-mini、o1和GPT-4.5。消融实验表明主要增益来自推理时按任务遮蔽技能，而非全局移除坏技能。

论文 ASSAY DeepSeek-V3 GPT-4.1

推荐理由：一篇教你如何让AI智能体更聪明的研究：不用改权重，光靠整理技能库就能让DeepSeek-V3和GPT-4.1冲上榜单第一，方法还开源了。

原文

5月29日

13:03

官方一手arXiv: DeepSeek@Johannes Moll, Jean-Philippe Corbeil, Jiazhen Pan, Martin Hadamitzky, Daniel Rueckert, Lisa Adams, Keno Bressem

精选72°

LLM智能体在结构化环境中常因操作失败而非对话失败，其可靠性依赖于对环境的程序性知识。现有自我改进方法会累积自然语言指导，但不检查新条目是否破坏已有正确行为，导致修复一个轨迹却使另一个退化。GRASP将智能体改进视为对有限技能库的编辑序列，仅当候选技能在平衡的保留测试集上产生净改进且不超过硬回归预算时才被接受。在五个基础模型和两个临床基准上，GRASP将gpt-oss-120b从40.6%提升至88.8%，超过最强基线21.0个百分点，并提升其他模型17.2至40.3个百分点。该方法还泛化到非临床环境，且技能库可在模型间迁移，强模型技能能提升弱模型表现，反之则不行。

论文 LLM智能体自我改进技能库

推荐理由：做LLM智能体自我改进的团队终于有了一个不担心「修好一个、搞坏一个」的方案——GRASP用硬回归预算和门控机制确保每次改进都是净收益，临床场景提升显著，建议做智能体可靠性的开发者点开看看。

原文

5月28日

11:27

官方账号arXiv cs.AI@Jiazhen Huang, Xiao Chen, Xiao Luo, Yong Dai, Senkang Hu, Yuzhi Zhao

精选

本文提出 Skill-Conditioned Gated Self-Distillation (SGSD) 方法，用于改进大语言模型的推理能力。传统自蒸馏方法依赖可信的先验信息（如参考答案），而 SGSD 从经验技能库中检索技能-错误对，构建多教师池，通过验证器判断教师极性，并设计门控目标函数来蒸馏有效信息。在多个数学推理基准上，SGSD 在 Qwen3-1.7B 上平均比 GRPO 提升 6.2%，比 OPSD 提升 1.7%，且对先验信息的假设更弱。代码已开源。

论文推理模型自蒸馏数学推理

推荐理由：做 LLM 推理优化的研究者可以关注——SGSD 用技能库替代参考答案作为先验，降低了蒸馏对标注数据的依赖，数学推理场景效果显著，值得在自蒸馏框架中尝试。

原文