arXiv cs.AI· Wenzhe Fan, Benjamin Steenhoek, Gaurav Mittal, Yu Hu·· 14 小时前AI 评分45
KEEL：用验证证据让智能体持续学习可靠知识
Holding a Steady Course: Knowledge Evolution from Expertise and Lessons for Continual Agent Learning
AI 导读
研究者提出智能体框架 KEEL，用验证器证据把成功行为转化为可复用技能、把失败转化为纠正性教训，并随新证据对技能主张进行支持、反驳、替换或淘汰。在 SkillFlow 基准上，KEEL 相比无知识基线提升任务成功率 4.2 至 21.7 个百分点，而 SkillFlow 默认方法仅提升 2.4 至 9.6 个百分点。消融实验显示技能与教训具有互补性，代码已公开。
正文 · AI 翻译
摘要：自主智能体越来越多地被部署在一系列相关任务中，但它们往往无法随时间保留并改进知识。现有方法将交互轨迹转化为记忆或可复用技能，但经验并不自动成为可靠的知识。自动收集的技能和记忆可能传播错误、产生误导并破坏有用的知识。为弥补这一空白，我们提出了 Knowledge Evolution from Expertise and Lessons（KEEL），这是一个与智能体无关的框架，利用验证器证据将成功行为转化为可复用技能，将失败转化为纠正性教训。随着新证据的积累，单个技能主张可以被支持、被反驳、被替换或被淘汰。在 SkillFlow 基准上，KEEL 相比无知识基线将任务成功率提升了 4.2 至 21.7 个百分点，而 SkillFlow 默认方法的提升为 2.4 至 9.6 个百分点。消融实验表明，技能与教训是互补的。这些结果表明，可靠的持续智能体学习不仅取决于积累经验，还取决于持续验证并演化从经验中得出的知识。我们的代码可在以下地址获取：this https URL。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.34043 [cs.LG] |
| （或 arXiv:2610.34043v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34043 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenzhe Fan [查看邮箱]
[v1]
2026年10月25日星期日 04:11:33 UTC（5,751 KB）
来源：arXiv cs.AI · arxiv.org