arXiv cs.AI· Ziqiao Shang, Ling-Yue Ge, Lan-Zhe Guo·· 1 天前AI 评分29
GraphSkillAA：用归因引导技能图更新，支持定向验证与回滚
GraphSkillAA: Attribution-Guided Skill-Graph Updating with Targeted Validation and Rollback
AI 导读
GraphSkillAA 通过同一张技能图把规则使用、错误定位与更新验证串联起来，节点记录适用性、流程与排除条件，边描述前置与增强关系。教师模型对比成功与失败轨迹，定位需修复的字段或关系并尽量缩小改动，Local Gate 重测受影响样例、Big Gate 在完整更新池上校验合并后的图，被拒编辑回滚且模型参数全程冻结。
正文 · AI 翻译
摘要：外部技能在不更新模型参数的情况下提供领域知识和流程，但纯文本形式使其适用性、依赖关系和组合方式难以表达。现有的技能图将规则组织为节点和关系，主要用于检索和组合。它们较少关注失败后应改变什么、哪些示例应重新测试以及哪些编辑应回滚。我们提出 GraphSkillAA，即 Graph-Skill Abductive Attribution，它通过同一技能图将规则使用、错误定位和更新验证连接起来。节点记录适用性、流程和排除条件，边描述前置条件和增强关系。学生记录执行过程中使用的节点和边。教师对比相关的成功和失败轨迹，以识别需要修复的字段或关系，并尽可能保持改动最小。执行失误或证据不足时，图保持不变。Local Gate 重新测试受影响的示例，而 Big Gate 在完整更新池上检查合并后的图。被拒绝的编辑会被回滚，模型参数始终保持冻结。在 GPT-5.6-sol 下，GraphSkillAA 在 SearchQA、LiveMath 和 DocVQA 上分别达到 81.5%、66.7% 和 91.2%，并在每个主要设置中取得最高平均性能。这些结果表明，图结构既支持技能选择和组合，也为修复、重新测试和回滚提供了明确目标。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.20455 [cs.AI] |
| （或此版本的 arXiv:2609.20455v3 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.20455 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ziqiao Shang [查看电子邮件]
[v1]
2026年9月17日星期四 14:20:45 UTC（6,009 KB）
[v2]
2026年9月23日星期三 18:12:44 UTC（7,130 KB）
[v3]
2026年11月12日星期四 10:40:34 UTC（792 KB）
来源：arXiv cs.AI · arxiv.org