一项名为 SkillEvolBench 的新基准被引入，用于评估大型语言模型 (LLM) 代理将情景经验提炼成可重用程序性技能的能力。该基准包含六个环境中的 180 个任务，旨在测试在各种条件下的技能形成和重用。目前的 LLM 代理在形成健壮、可重用的技能方面表现出局限性，通常在原始轨迹重用方面表现优于提炼后的技能，这表明当前的抽象方法可能会丢弃有用的上下文信息。 AI
影响 该基准旨在提升 LLM 代理学习和重用技能的能力，可能带来更强大、更高效的 AI 系统。
排序理由 该集群描述了一个用于评估 LLM 代理能力的新学术基准，已在 arXiv 上发布。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.24117v1 Announce Type: new Abstract: Large language model (LLM) agents accumulate rich episodic trajectories while solving real-world tasks, but it remains unclear whether such experience can be distilled into reusable procedural skills. We introduce SkillEvolBench, a …
Current large language model agents struggle to form robust reusable skills from episodic experience, with raw trajectory reuse often outperforming distilled skills due to discarded contextual cues.