技能进化相关 AI 资讯 · AITOP

8月28日

21:22

elvis@omarsar0

73°

Google研究人员提出了一种新的智能体技能进化方法，将执行轨迹、持久化知识库和可执行技能分离。该方法通过将经验整合到知识库中，使后续技能更新基于累积知识而非分散优化历史。实验表明，较小规模的模型通过进化技能可以显著超越更大规模但未进化技能的模型。此外，一个模型进化出的技能可以跨模型家族迁移，有时甚至优于模型自我进化的技能。

论文 Google 智能体技能进化

推荐理由：Google这篇论文教你如何让AI智能体通过持久化知识库保持技能，小模型进化技能后能打败大模型。

原文

18:09

官方账号arXiv cs.AI@Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan, Tu Vu

精选73°

WikiSkill框架通过将执行经验、积累知识和可执行技能分离，持续将经验整合到知识库中。该框架在多个基准测试和模型上表现优于最先进的技能进化方法，在大多数模型-基准设置中优于无技能基线。研究发现技能进化与模型扩展互补：大模型通常从进化技能中获益更多，而有技能的小模型可以显著超越无技能的大模型。技能在不同模型和模型家族间能有效转移，其他模型进化的技能甚至可以超越自我进化的技能。

AI模型 WikiSkill 智能体技能进化

事件专题

推荐理由：WikiSkill让AI智能体把经验变成可复用的知识库，小模型靠技能能打败大模型，技能还能跨模型使用。

原文

8月7日

09:45

官方账号arXiv cs.AI@Chen Yang, Jiashuo Tian, Ziqi Wang, Xinyin Liu, Meiru Ye, Junjie Chen

GSE 是一个全局化技能进化框架，通过联合优化技能兼容性和泛化性，解决现有方法容易过拟合的问题。它维护技能关系图来显式建模技能间关联，并用聚类整合与重放验证来提升泛化能力。在 bug 揭示测试生成和假阳性 bug 报告过滤两项任务上，GSE 在 OpenHands 和 mini-SWE-agent 上均取得最佳精确率、召回率和 F1。相比现有进化技术，测试生成的精确率和召回率分别提升 6.1%~34.1% 和 31.8%~180.0%，假阳性过滤分别提升 15.4%~96.4% 和 13.1%~19.8%。内部工业智能体部署进一步带来 61.4% 的 F1 提升。

论文 GSE OpenHands mini-SWE-agent

推荐理由：编码智能体老学不会新技能？试试 GSE 这套框架，在测试生成和假阳性过滤上比现有方法准不少，还通过了工业级验证。

原文

6月11日

06:12

官方一手marktechpost@Sana Hassan

本文详细介绍了微软SkillOpt的编码实现，包括仓库搭建、OpenAI兼容模型接入、优化器与目标模型配置。通过完整的优化循环（回滚、反思、聚合、选择、更新、验证门控），评估了原始种子技能作为基线，并运行了真实优化。最后通过训练历史、准确率、编辑预算行为和Token使用可视化，对比了进化后的技能与基线性能。

AI产品微软 SkillOpt 提示词优化

事件专题

推荐理由：做提示词工程和自动化优化的开发者可以直接参考这套端到端实现，SkillOpt的验证门控机制能有效提升技能进化质量，值得动手试一下。

原文

6月9日

09:27

官方一手arXiv: DeepSeek@Xiaojun Wu, Cehao Yang, Honghao Liu, Xueyuan Lin, Wenjie Zhang, Zhichao Shi, Xuhui Jiang, Chengjin Xu, Jia Li, Jian Guo

精选

Bayesian-Agent 是一个跨框架的 LLM Agent 技能优化框架，它将可复用的技能和 SOP 视为关于冻结模型在特定提示、上下文和环境下能否成功的假设。该框架记录验证过的轨迹证据，维护每个技能的特征条件分类后验，并根据后验状态执行修补、拆分、压缩、退役和探索等操作。在 deepseek-v4-flash 上，增量修复将 SOP-Bench 从 80% 提升至 95%，Lifelong AgentBench 从 90% 提升至 100%，RealFin-Bench 从 45% 提升至 65%。该框架还支持 GenericAgent、mini-swe-agent 和 Claude Code 等后端，表明 Agent 技能进化应视为后验引导的优化，而非未校准的提示积累。代码已开源。

论文 LLM Agent 技能进化后验引导

推荐理由：做 LLM Agent 开发的团队终于有了一个系统化的技能进化方法，不用再靠试错和启发式反思——Bayesian-Agent 用后验概率指导优化，效果显著且可审计，建议直接看论文和代码。

原文

6月7日

09:48

官方一手pandaily@contact@pandaily.com (Pandaily)

精选

小红书（RED）研究团队提出Evolving-RL框架，通过强化学习让AI智能体在经验中自主进化技能，无需额外技能提取模块。该框架使智能体能够动态调整行为策略，适应新任务和环境变化，显著提升在复杂场景下的表现。这一方法为构建更灵活、自适应的AI系统提供了新思路，尤其适用于需要持续学习的应用场景。

AI模型强化学习智能体技能进化

推荐理由：做AI智能体开发的团队终于有了让模型自主进化的方案——Evolving-RL省去了手动设计技能模块的麻烦，做强化学习或自适应系统的开发者值得深入研究。

原文

5月28日

23:42

AK@_akhaliq

SkillOpt 是一种用于智能体技能自我进化的执行策略，旨在让 AI 智能体在运行过程中自动优化和扩展其技能集。该方法通过动态评估和调整技能执行路径，提升智能体在复杂任务中的适应性和效率。该策略在 Twitter 上获得初步关注，展示了智能体自主学习的潜力。对于构建自适应 AI 系统的开发者而言，SkillOpt 提供了一种无需人工干预的技能进化框架。

AI模型智能体技能进化自适应系统

推荐理由：做智能体开发的团队终于有了一个让技能自动进化的策略——SkillOpt 解决了手动调优的痛点，建议研究自适应 AI 的开发者点开看看。

原文