arXiv cs.CL· Wenkai Yu, Ning Ding, Wentao Zhang, Yehui Tang·· 10 小时前AI 评分38
从流程到权限：从 Agent Skills 学习精确的子智能体授权
From Procedures to Permissions: Learning Precise Subagent Authorization from Agent Skills
AI 导读
研究提出利用 Agent Skills 中的流程知识作为监督信号，为子智能体学习精确的工具与工作区权限授权。在 ClawArena-Team 上，该方法使 Qwen3.5-35B-A3B 的工具权限精度提升 13.4 个百分点、工作区权限精度提升 24.1 个百分点，整体任务成功率提升 11.6 个百分点。
正文 · AI 翻译
摘要：随着语言智能体处理日益复杂的任务，它们越来越依赖多个智能体来协调专业化工作，这需要不仅决定每个子智能体应该做什么，还要决定它应该访问哪些工具和工作区资源。现有的智能体系统提供了控制工具和执行环境的机制，但并未直接指定每个委派子任务所需的资源。此外，仅凭任务结果和执行轨迹，对判断子智能体是否获得了适当权限所提供的监督十分有限。我们观察到，Agent Skills 编码了描述每一步所需操作、工具和文件的过程性知识，为授权提供了一种天然的监督来源。基于这一观察，我们从 Skills 中合成任务和分步流程，在交互环境中通过子智能体委派执行这些任务，并利用经过验证的轨迹构建用于任务执行和授权的训练数据。在 ClawArena-Team 上，我们的方法将工具权限精确率提高了 13.4 个百分点，工作区权限精确率提高了 24.1 个百分点，同时将 Qwen3.5-35B-A3B 的整体任务成功率提高了 11.6 个百分点。在 Terminal-Bench 2.1 和 SkillsBench 上，我们的方法与现有的智能体数据合成方法相比仍具竞争力。这些结果表明，Agent Skills 中嵌入的过程性知识为精确的子智能体编排提供了一种仅靠任务结果无法提供的监督来源。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.08905 [cs.CL] |
| （或 arXiv:2611.08905v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08905 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenkai Yu [查看邮箱]
[v1]
2026年11月6日星期五 02:46:06 UTC（970 KB）
来源：arXiv cs.CL · arxiv.org