English(EN) CompSkill: Compiling Execution Experience for Skill Retrieval

新的CompSkill方法利用执行经验增强LLM代理的技能检索

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-04 05:00

研究人员推出了一种新颖的CompSkill方法，用于改进大型语言模型（LLM）代理中的技能检索。与仅依赖技能描述的传统方法不同，CompSkill结合了执行经验来优化技能排名。这种方法将匹配的比较编译成技能偏移量和有上限的关键残差，使过去的执行能够动态地改变呈现给代理的技能。在与GPT-5.6-luna和DeepSeek-V4.1-Flash等模型一起使用时，CompSkill在ToolQA、AppWorld和ALFWorld等基准测试中显示出任务完成率的显著提高。 AI

影响通过改进技能检索来增强LLM代理的性能，有可能导致更有效和高效的任务完成。

排序理由该集群描述了arXiv上的一篇学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 41 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了arXiv上的一篇学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Qi Shen, Ziyue Zhu, Yongqing Jiang, Zhen Xia, Li Shengjie, Shuai Zhao, Bo Cheng, Xiaobao Wu, Anh Tuan Luu, Haoran Luo · 2026-11-04 05:00

CompSkill: 编译执行经验以供技能检索

arXiv:2611.01115v1 Announce Type: new Abstract: LLM agents increasingly rely on skill documents, yet most retrievers rank them by description alone and ignore what earlier executions revealed, even though a relevant skill can hurt execution. We present CompSkill, which indexes sk…

本文如何被排名

报道来源 [1]

CompSkill: 编译执行经验以供技能检索

相关实体

相关话题