arXiv cs.CL· Qi Shen, Ziyue Zhu, Yongqing Jiang, Zhen Xia, Li Shengjie, Shuai Zhao, Bo Cheng, Xiaobao Wu, Anh Tuan Luu, Haoran Luo·· 10 小时前AI 评分38
CompSkill：为技能检索编译执行经验
CompSkill: Compiling Execution Experience for Skill Retrieval
AI 导读
CompSkill 用学习到的 512 维键索引技能，并将同任务匹配对比编译为技能偏移与有上限的键残差（KeyOpt），让执行经验改变执行器收到的文档而非文档文本。
正文 · AI 翻译
摘要：LLM 智能体日益依赖技能文档，但大多数检索器仅按描述对它们排序，忽略了先前执行所揭示的信息，尽管相关技能反而可能损害执行。我们提出 CompSkill，它用学习到的 512 维键为技能建立索引，并将匹配的同任务比较编译为技能偏移量和有上限的键残差（KeyOpt），因此经验改变的是执行器接收哪份文档，而绝不改变其文本。在任务难度未知的逻辑结果模型下，匹配比较会抵消该难度，只有不一致的比较才携带信息；在支持执行上，预测随每个不一致任务而改善。经验超图将每次比较与其执行器和文档版本一起保存，召回遗漏的技能并为引用的评审提供依据。紧凑键在维度仅为八分之一的情况下将 SkillRet NDCG@10 从 64.0 提升到 70.9。仅用一份文档，CompSkill 分别用 GPT-5.6-luna 和 DeepSeek-V4.1-Flash 完成 332 个 ToolQA 任务中的 256 个和 260 个，超过所有基线，并在 AppWorld 和 ALFWorld 上与最强基线持平。在 332 个新生成的 ToolQA 任务上，它用 GPT-5.6-luna 完成 256 个，显著多于 BM25、SkillRet-8B、Tool2Vec 和 RankGPT；在全部 844 个 ToolQA 任务上，它比最强基线多完成 24 个。选择的重要性超越相关性：将正确的指南与同数据库的同类文档配对，而非与另一数据库的指南配对，会损失 96 个任务中的 8 个。代码、模型和支持数据：此 https URL
| 评论： | 33 页。代码：此 https URL |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01115 [cs.CL] |
| （或 arXiv:2611.01115v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01115 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qi Shen [查看电子邮件]
[v1]
2026 年 10 月 31 日星期六 17:00:57 UTC（614 KB）
来源：arXiv cs.CL · arxiv.org