SkillBrowser：按需选择性加载技能框架
热点事件持续更新
SkillBrowser：按需选择性加载技能框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Jin Ye、Yifan Jiang、Lan-zhe Guo 提交论文，提出由 Meta-Skill 管理的 SkillBrowser 框架：LLM 智能体先识别当前能力需求、构造针对性查询，再按需选择性加载技能。 作者称，在六个 SRA-Bench 子集和五个 LLM 上，该框架的聚合准确率优于静态检索和基于 LLM 的选择方法，并缓解了已可解实例上的准确率下降。论文同时指出局限：存在有用技能调用不足和额外延迟，收益仍因模型和任务而异。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
SkillBrowser：面向可扩展技能智能体的选择性技能暴露框架报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AISkillBrowser：面向可扩展技能智能体的选择性技能暴露框架
SkillBrowser 是一个由 Meta-Skill 管理的框架，让 LLM 智能体识别当前能力需求、构造针对性查询并按需选择性加载技能。在六个 SRA-Bench 子集和五个 LLM 上，其聚合准确率优于静态检索和基于 LLM 的选择方法，并缓解了已可解实例上的准确率下降。局限在于有用技能调用不足和额外延迟，收益仍因模型和任务而异。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。