SkillContrast：免训练选择器提升智能体技能重排效果
论文AI 评分 68/100arXiv 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。
一篇 arXiv 论文提出 SkillContrast，一种免训练的选择器：它对比检索到的相似技能，保留彼此不同的文本及局部上下文，再交给预训练重排器。在 SameCapRisk-Bench 的 1,235 条请求上，相同单候选输入长度下，它比 TF-IDF 查询选择多出 54-72 个 clean hits，覆盖 2 种检索器与 2 种重排器规模。长度匹配的组件替换实验显示，差异文本是主要贡献来源，上下文影响较小且方向不一。相比输入完整技能正文，该方法减少 51.1-58.8% 的模型输入 token；在 0.6B 模型上 clean hits 少 10-18 个，在 4B 上持平或更高。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载方法思路
相似智能体技能往往共享指令文本，区别在于各自的使用条件。基于查询的文本选择容易保留这些共有指令，却丢掉区分彼此的条件。SkillContrast 的做法是不做训练，直接比较检索到的多个技能，把彼此不同的文本连同局部上下文挑出来，再交给预训练重排器打分。论文把这种候选之间的相对差异视为对查询相关性的补充信号，用于构造更紧凑的重排输入。
评测结果
在 SameCapRisk-Bench 的 1,235 条请求上，作者以 clean hits 为指标——即检索到有用技能、同时没有带出其被标记为有风险的同类技能。在单候选输入长度相同的条件下，SkillContrast 比 TF-IDF 查询选择多出 54-72 个 clean hits，这一结果在 2 种检索器和 2 种重排器规模上均成立。为确认收益来源，作者做了长度匹配的组件替换实验，结果显示差异文本是主要贡献因素，而上下文带来的效应较小且方向混合。
效率与规模差异
与直接输入完整技能正文相比，SkillContrast 把模型输入 token 减少 51.1-58.8%。代价随重排器规模变化：在 0.6B 模型上 clean hits 少 10-18 个，而在 4B 模型上持平或更高。这说明压缩输入带来的损失并非固定，较大模型更能承受这种精简后的输入。论文共 5 页、2 图、3 表，归入信息检索与人工智能方向。
为什么值得看
用更少 token 达到或超过全量输入的重排效果，为智能体技能检索的上下文压缩提供了可复现的免训练方案。
智能体论文
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。