注册

SkillForge：用技能生命周期让技能与智能体共同演化

论文AI 评分 78/100arXiv cs.AI待复核
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。

SkillForge 是一种面向 LLM 智能体的强化学习方法，把技能库按适应度划分为试用、活跃、稳定、退役四种状态，使技能与模型在训练中共同演化。训练前先用基座模型自身的 rollout 预退役低适应度技能，得到过滤后的技能库用于监督微调；随后强化学习接管，每轮迭代继续做选择性退役、稳定化与 LLM 引导的变异。在多个交互式智能体基准上，该方法取得最高总体成功率，相对最强基线最多提升 7.8%，同时技能库保持紧凑。作者同时发布 SkillFurnace 数据集，含 5000 余条标注记录。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

技能库为何需要淘汰

面向长周期任务的智能体，通常借助记忆增强的强化学习来提升表现，而技能就是这类记忆的一种载体：它把操作指令与适用任务类型的条件绑定在一起。问题出在保留策略上。如果随着策略不断改进仍不加区分地留存每一条技能，那些已经过时甚至有害的条目就会越积越多，反过来干扰智能体的判断。SkillForge 的思路是不再把技能库当成静态仓库，而是让它随训练一起演化。该方法为技能设计了由适应度驱动的生命周期，包含试用、活跃、稳定与退役四种状态，技能与模型在训练全程共同演进。这套机制的关键在于：技能的取舍不是一次性完成的，而是持续进行的。

先筛选再微调再强化

SkillForge 的流程分为几个衔接的阶段。在强化学习开始之前，先有一个评估环节，用基础模型自身的 rollout 对低适应度技能做预退役处理，得到一个经过过滤的技能库。这个过滤后的库随后用于播种监督微调。从该检查点起，强化学习接手训练，并在每一轮迭代中继续执行选择性退役、稳定化以及由 LLM 引导的变异，让技能库与策略优化同步推进。也就是说，技能的淘汰、固化与改写贯穿整个训练过程，而不是只在开头做一次清理。

效果与配套数据

在多个交互式智能体基准上，SkillForge 取得了最高的总体成功率，相对最强基线最多带来 7.8% 的提升，同时在整个训练过程中技能库保持紧凑。为支持技能质量与生命周期管理方面的研究，作者还发布了 SkillFurnace 数据集，其中包含 5k+ 条带标注记录，把经过退役过滤的 SFT 轨迹、带有适应度标注的演化后技能库，以及带有失败类别人工标注的退役事件打包在一起。该工作已被 NeurIPS 2026 的 cs.AI 方向接收，论文编号为 arXiv:2610.09832。

为什么值得看

技能库会随策略提升而积累过时或有害条目，这篇给出可退役、可变异的管理机制与配套数据集。

智能体微调强化学习数据集

信源1 家

  1. [1]arXiv cs.AI一手信源SkillForge: Co-Evolving Skills and Agents via Dynamic Skill Lifecycles

关键事实

  • SkillForge 将技能库划分为试用、活跃、稳定、退役四种状态，按适应度驱动生命周期[1]

  • 训练前用基座模型自身 rollout 预退役低适应度技能，过滤后的技能库用于监督微调[1]

  • 强化学习阶段每轮迭代执行选择性退役、稳定化与 LLM 引导的变异[1]

  • 在多个交互式智能体基准上总体成功率最高，相对最强基线最多提升 7.8%[1]

  • 发布 SkillFurnace 数据集，含 5000 余条标注记录，涵盖退役过滤的 SFT 轨迹与带适应度标注的技能库[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

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。

去论坛讨论