arXiv cs.CL· Xuan Zhao, Haonan He, Qingyu Yang, Minglei Li, Zelin Tan, Bo Wan, Jingqi Ye, Chen Zhang, Shuyue Hu, Peng Ye·· 11 小时前AI 评分40
ParametricSkills：将文本技能参数化为 LoRA 适配器
Parametric Skills
AI 导读
研究者提出 ParametricSkills 框架，在测试时将文本技能转换为 LoRA 适配器，实现无需占用上下文窗口的技能全生命周期管理。该框架先构建大规模高质量技能集合，合成单轮与多轮技能使用轨迹训练超网络，再用 OpenCode 采集的复杂长程轨迹做对齐。评估显示其显著提升任务完成度，并让技能以适配器形式累积，为测试时持续学习提供初步路径。
正文 · AI 翻译
摘要：对于 LLM 而言，技能是编码成熟问题解决经验的文本配方。尽管已广泛部署，其效用受限于模型理解和遵循技能指令的能力。为解决这一局限，我们提出 ParametricSkills，一个在测试时对文本技能进行参数化的框架，可实现技能全生命周期的无上下文管理。具体而言，我们首先构建大规模高质量技能集合，然后合成单轮和多轮技能利用轨迹。利用这些数据，我们训练一个超网络，通过将文本技能转换为 LoRA 适配器，对技能的内容和利用方法进行参数化。为便于我们框架的实际应用，我们进一步在通过 OpenCode 收集的复杂长时程轨迹上对齐超网络，使模型能够在 ParametricSkills 的真实交互工作流中可靠运行。在各项评估中，ParametricSkills 有效实现了技能参数化，在任务完成方面取得显著提升。更值得注意的是，由于参数化技能以适配器形式累积而非挤占上下文，它们为测试时持续学习开辟了一条初步但充满希望的路径。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2606.30015 [cs.CL] |
| （或 arXiv:2606.30015v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.30015 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haonan He [查看邮箱]
[v1]
2026年6月29日星期一 09:19:32 UTC（1,382 KB）
[v2]
2026年11月5日星期四 18:18:18 UTC（3,221 KB）
来源：arXiv cs.CL · arxiv.org