论文页面 - SkillCoach: 自我演化的评分标准，用于评估与增强智能体技能使用

来源：https://huggingface.co/papers/2607.01874

摘要

SkillCoach 是一个自我演化的评分标准框架，通过分析技能选择、遵循、组合与反思过程，来评估和改进智能体的技能使用，提供比仅看结果指标更优的监督能力。

技能正成为 LLM 智能体可重复使用的操作层，编码标准操作流程、领域规则、工具工作流、脚本和验证例程。在实际的技能库中，技能重叠使得可靠的技能使用（https://huggingface.co/papers?q=skill-use）变得困难。最终验证器的成功结果对于评估和训练而言都过于粗粒度——智能体可能在尝试过程中选择干扰技能、跳过必要步骤、错误组合工作流或遗漏最终检查，但仍可能通过最终验证。我们提出 SkillCoach，一个自我演化的评分标准框架，用于评估与增强智能体技能使用（https://huggingface.co/papers?q=agentic%20skill-use）。SkillCoach 从实际运行记录中推导出基于技能的过程评分标准（https://huggingface.co/papers?q=process%20rubrics），并沿四个维度评估轨迹：技能选择（https://huggingface.co/papers?q=skill%20selection）、技能遵循（https://huggingface.co/papers?q=skill%20following）、技能组合（https://huggingface.co/papers?q=skill%20composition）和基于技能的反思（https://huggingface.co/papers?q=skill-grounded%20reflection）。它保留外部验证器作为独立的结果信号，从而将过程质量与偶然的任务成功区分开。演化的评分标准进一步作为过程监督信号，用于筛选高质量的训练轨迹（https://huggingface.co/papers?q=training%20trajectories）。实验表明，演化的评分标准显著提升了评估质量，揭示了最终准确率掩盖的失败，并为增强智能体技能使用（https://huggingface.co/papers?q=agentic%20skill-use）提供了比仅用结果过滤（https://huggingface.co/papers?q=outcome-only%20filtering）更强的监督信号。

查看 arXiv 页面（https://arxiv.org/abs/2607.01874）查看 PDF（https://arxiv.org/pdf/2607.01874）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2607.01874）

在你的智能体中获取此论文：

hf papers read 2607\.01874

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

引用此论文的模型0

暂无模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2607.01874 即可从本页链接。

引用此论文的数据集0

暂无数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.01874 即可从本页链接。

引用此论文的 Space0

暂无 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2607.01874 即可从本页链接。

包含此论文的收藏集0

暂无收藏集包含此论文

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