SkillGLoW

SkillGLoW方法增强了LLM智能体在复杂任务上的自改进能力

研究人员开发了一种新颖的方法SkillGLoW，使LLM智能体能够通过将技能整合到程序化家族中来提高其在长时任务上的表现。该方法解决了现有方法的局限性，这些方法要么退化为通用知识，要么维护不易重用的特定任务条目。SkillGLoW的系统从局部技能创建去实例化的全局先验，从而形成一个更紧凑、更有效的库。在多个基准测试和模型上，SkillGLoW显示出比基线方法显著的性能提升，并优于单一文档优化器。