研究对比从执行轨迹挖掘 Agent 技能的六种配置
论文AI 评分 62/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
该论文研究了在缺乏可靠运行结果的生产环境中，如何从执行轨迹挖掘 Agent 技能。固定挖掘管线，对比了三种挖掘证据（仅成功轨迹、带标签的成败混合、无标签的成败混合）与两种技能形式（有序工作流、声明式本体）的六种组合。在 ThinkingBox-Bench 上，工作流比本体得分高 1.7 pp，无标签混合证据比仅成功证据低 3.1 pp，带标签混合比仅成功高 2.4 pp；而在 APEX-Agents 上，本体略受偏好且证据类型无显著差异。结论指出需按目标领域定制技能而非通用适配。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载生产环境技能挖掘挑战
记录程序指令的 Agent 技能正越来越多地从执行轨迹中挖掘而非人工编写。现有挖掘管线常依赖已知任务结果或反馈来指导构建，但在生产环境中，运行是否成功的可靠信息往往难以获取。为此，该研究探讨了执行轨迹采样方式、成败信息获取程度及挖掘出的技能形式如何影响下游任务表现。
六种挖掘配置对比设计
在保持挖掘管线不变的前提下，研究对比了六种挖掘证据与技能形式的组合。挖掘证据分三级：仅成功轨迹、带结果标签的成败混合轨迹、以及隐去标签的成败混合轨迹（模拟无结果信息场景）。技能形式分两类：有序的工作流计划，以及由实体、状态和策略构成的声明式本体。
跨领域评估与差异化结论
评估在 ThinkingBox-Bench 与 APEX-Agents 两个企业级基准上进行。任务级配对差异分析表明，不同配置的收益高度依赖企业领域。在 ThinkingBox-Bench 上，工作流比本体得分高 1.7 pp，带标签混合证据比仅成功证据高 2.4 pp，而模拟无结果信息的无标签混合证据比仅成功证据低 3.1 pp。相反，在 APEX-Agents 上，本体呈现适度优势，且各证据类型间无明确偏好。各领域内，任务结构相关约束导致了使用挖掘技能时的不均匀性能。
为什么值得看
揭示了生产环境下 Agent 技能挖掘的最优配置因领域而异，为构建高效技能管线提供实证依据。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。