研究人员推出了ParametricSkills，一个旨在增强大型语言模型（LLM）利用技能方式的新型框架，特别是在复杂、长上下文场景中。该方法在测试时将自由形式的文本技能转换为参数，从而实现无上下文利用。通过训练一个超网络从文本技能生成LoRA适配器，ParametricSkills在六项软件工程任务上，根据DeepSeek-V4-Flash的评估，平均比上下文学习提高了6.44分。该框架还实现了更高的BERT分数和F1分数，表明了测试时持续学习的一个有前景的方向。 AI
影响 增强了LLM的技能利用，并为复杂任务的测试时持续学习提供了一条途径。
排序理由 该集群描述了一篇发表在arXiv上的新研究论文，其中详细介绍了一个用于LLM的新型框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30015v1 Announce Type: new Abstract: Since intelligence fundamentally relies on efficient skill acquisition (Chollet, 2019), the ability to leverage skills is critical. For LLMs, skills, manually authored or extracted from task trajectories, are textual recipes encodin…
Since intelligence fundamentally relies on efficient skill acquisition (Chollet, 2019), the ability to leverage skills is critical. For LLMs, skills, manually authored or extracted from task trajectories, are textual recipes encoding mature problem-solving experience and are crit…