arXiv cs.AI· Tong Bai, Zhenglin Wan, Pengfei Zhou, Xingrui Yu, Yang You, Ivor W. Tsang·· 2 天前AI 评分37
SkillDAG：面向 LLM 大规模技能选择的自演化类型化技能图
SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale
AI 导读
SkillDAG 将类型化技能图作为 LLM 智能体可调用的接口，通过 search 返回向量匹配、类型化边邻居与冲突信号，并用 propose-then-commit 协议在执行中注册有执行依据的边。
正文 · AI 翻译
摘要：大型技能库如今已成为 LLM 智能体的标准配置，而哪些子集进入提示词决定了智能体能做什么。枚举法和 top-$K$ 嵌入检索都将技能视为独立文档，假设相关性是单个技能的属性。但事实并非如此：技能之间相互依赖、冲突、特化和重复，因此与任务最匹配的技能可能命名了任务，却遗漏了它所需的前置技能。图检索编码了这些关系，但将其消耗在固定流水线中，交给智能体一个不透明的捆绑包。我们提出 SkillDAG，它将类型化技能图作为智能体可调用的接口暴露给 LLM，而不是替智能体消耗它：搜索返回向量匹配、类型化边邻居和冲突信号，并且先提议后提交协议让智能体在工作过程中注册由执行支持的边。在两个基准和三个模型家族上，SkillDAG 优于全库提示、向量检索和 Graph-of-Skills，在 ALFWorld 上成功率提升 +14.3 个百分点，且仅在达到上限时持平；在使固定流水线性能下降的 $10\times$ 池扩展中，其排名保持平稳。这些结果表明，技能间结构对于能够查询和修订它的智能体，比对于消耗它的检索器更有价值。
| 评论： | 收录于 *The 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP, Findings)*, 2026 |
| 主题： | 人工智能 (cs.AI) |
| 引用为： | arXiv:2606.03056 [cs.AI] |
| （或 arXiv:2606.03056v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.03056 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Tong Bai [查看邮箱]
[v1]
2026年6月2日星期二 02:45:21 UTC (4,274 KB)
[v2]
2026年7月2日星期四 14:01:29 UTC (4,448 KB)
[v3]
2026年10月15日星期四 03:28:10 UTC (3,636 KB)
来源：arXiv cs.AI · arxiv.org