arXiv cs.CL· Hanrong Zhang, Minghao Liang, Jiawei Wu, Yankai Chen, Shicheng Fan, Zhiwei Liu, Enze Ma, Junwei Yuan, Tianyi Wang, Dehai Min, Kening Zheng, Xue Liu, Philip S. Yu·· 10 小时前AI 评分38
Skill++：通过路由感知的技能精炼实现终身学习智能体
Skill++: Towards Lifelong Agents via Routing-Aware Skill Refinement
AI 导读
Skill++ 通过只重写新技能的 name 和 description、无需训练 router 或标注数据，解决技能库增长中的路由干扰问题。技能库经十轮扩展到 731 个技能后，Skill++ 在 76.3% 的查询中选全所需技能，原始元数据仅 36.4%。
正文 · AI 翻译
作者：Hanrong Zhang、Minghao Liang、Jiawei Wu、Yankai Chen、Shicheng Fan、Zhiwei Liu、Enze Ma、Junwei Yuan、Tianyi Wang、Dehai Min、Kening Zheng、Xue Liu、Philip S. Yu
摘要：大语言模型（LLM）智能体通过技能扩展其能力，每个技能都有名称、描述和正文。在渐进式披露机制下，LLM 路由器仅依据名称和描述选择技能，并只加载被选中技能的正文。随着用户和智能体不断添加新技能，技能库持续增长。由于路由器依赖这些元数据，一个相似的新技能可能取代先前的技能，即使先前技能和路由器均未改变，也会破坏原本正确的路由。对于公开技能而言，这种路由干扰更为严重，因为其描述可能与正文不符。我们将该问题形式化为终身技能路由，即一类类增量持续学习问题。解决方案必须保持先前技能可被选中，同时不压制新技能。现有方法均存在不足：持续重新训练路由器有灾难性遗忘的风险，而重写方法要么忽略相似技能，要么需要针对每个技能的反馈。因此，我们提出 Skill++，它仅重写每个新到技能的 name 和 description，无需训练路由器或标注数据。新描述说明正文支持什么、该技能与最接近的前身有何不同，以及它排除了哪些相关工作。当技能库在十次会话中增长到 731 个技能时，Skill++ 对 76.3% 的查询选中了所有必需技能，而原始元数据下仅为 36.4%。在三个基准和五个 LLM 路由器上，它优于所有对比方法，且其增益可延续到 Codex CLI 智能体框架。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.00544 [cs.AI] |
| （或 arXiv:2611.00544v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.00544 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Hanrong Zhang [查看邮箱]
[v1]
2026年10月31日星期六 01:58:58 UTC（811 KB）
来源：arXiv cs.CL · arxiv.org