论文页面 - GraphSkillEvo：图结构智能体技能的进化优化

来源：https://huggingface.co/papers/2609.21749

摘要

技能可以通过提供特定任务的程序性指导来提升大型语言模型（LLM）智能体的性能，而技能优化则通过迭代改进进一步增强其效果。然而，现有的技能优化方法通常将技能表示为非结构化的自然语言指令，这带来了两个关键挑战：1）非结构化技能通常缺乏明确的工作流级指导，并包含大量冗余，使得LLM难以执行；2）非结构化自然语言技能庞大的搜索空间使得技能优化效果不佳。为了解决这些挑战，我们提出将技能表示为图结构化的自然语言制品。在图结构技能中，每个节点代表一个执行步骤及其操作指导，而有向边编码了步骤之间上下文相关的转换。与非结构化技能相比，图结构技能可以提供清晰的工作流级指导。此外，提出的图结构技能也有助于技能优化。基于这种结构化表示，我们引入了GraphSkillEvo，这是一种基于种群的进化优化框架，包含针对图结构技能的变异和交叉算子。通过维护多个候选技能并结合有效组件，GraphSkillEvo能够比纯粹基于LLM的迭代自我改进更广泛、更全面地探索结构化技能空间。在五个智能体基准测试上的大量实验表明，GraphSkillEvo始终优于强大的技能优化基线SkillOpt，在GPT-5.4-nano上平均准确率提升4.01%，在GPT-5.4上提升1.76%。我们的代码已开源：https://github.com/ruisun7/GraphSkillEvo。

查看arXiv页面 (https://arxiv.org/abs/2609.21749) 查看PDF (https://arxiv.org/pdf/2609.21749) GitHub1 (https://github.com/ruisun7/GraphSkillEvo) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.21749)

在你的智能体中获取这篇论文：

hf papers read 2609.21749

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2609.21749以从本页链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2609.21749以从本页链接它。

引用此论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2609.21749以从本页链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接它。