arXiv cs.AI· Enhao Huang, Xinye Zhao, Yiming Li, Bingrun Yang, Nanjun Zhou, Chunshu Xia, Hongwei Yao, Zhan Qin·· 3 天前AI 评分36
SkillFusion：面向 LLM 智能体的可靠多技能组合编译器
SkillFusion: Towards Reliable Multi-Skill Composition for LLM Agents
AI 导读
SkillFusion 是一个离线编译器，可将多个独立编写的技能调和为可复用的合并技能，通过类型-作用域门控、分类器与对抗验证器显式处理技能间的冲突与冗余。在三个智能体基准和两个迁移基准、三种执行模型上，它的平均 Success 均高于所有非 oracle 方法；在最大指令配置下，Success 超过未处理多技能加载的 2.5 倍。代码将在评审结束后开源。
正文 · AI 翻译
摘要：独立编写的技能在被 LLM 智能体联合加载时，可能会施加不兼容的要求、相互冲突的偏好以及冗余的指令。我们提出 SkillFusion，一种离线编译器，可将这些交互协调为一个可复用的合并技能。其核心思想是通过与来源指令关联的类型化、作用域化约束，使组合决策显式化。类型-作用域门控选择候选交互，而选择性回退则重新审视可能被结构剪枝遗漏的配对。分类器识别交互类型，对抗性验证器重新审查不确定的判断。解析器对硬冲突应用条件路由或显式优先级，对软冲突应用经验证的抽象，对冗余指令应用去重。来源关联检查指导合成与压缩，元数据合成支持合并技能的发现。生成的产物保留相关脚本和资源，并可跨任务和执行器模型复用。在三个智能体基准以及三个执行器模型上的两个迁移基准上，SkillFusion 在评估的非 oracle 方法中取得了最高的平均成功率。在测试的最大指令配置下，其成功率超过未解析多技能加载的 2.5 倍，凸显了随着组合需求日益提高，协调的价值不断增长。代码将在评审流程结束后开源。
| 评论： | 29 页，10 张图，15 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.15481 [cs.AI] |
| （或使用 arXiv:2610.15481v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.15481 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Enhao Huang [查看电子邮件]
[v1]
2026 年 10 月 11 日星期日 09:30:07 UTC（4,987 KB）
来源：arXiv cs.AI · arxiv.org