论文页面 - SkillEvo：基于多轮交互反馈的自更新进化梯度

来源：https://huggingface.co/papers/2608.13120

摘要

SkillEvo通过多轮反馈和主动治理机制来持续优化进化梯度，从而提升智能体技能。

当前的智能体技能要么由人工编写，要么仅通过单次大语言模型生成，因此缺乏闭环机制来根据实际交互失败进行改进。近期研究虽然建立了这种闭环，但其反馈仅来源于单轮问答评估。这导致了一个显著的不对称性：一旦首轮修复了单次交互能暴露的缺陷，进化梯度就会衰减，而那些仅在多轮交互中浮现的缺陷仍不可见，进化过程陷入停滞。现有系统中的治理机制同样依赖端到端的验证分数——这种标量门控虽然能拒绝质量下降的候选方案，却无法定位或修复其结构性问题。我们认为，制约技能持续进化的核心约束既非编辑能力也非迭代次数，而在于评估反馈是否能持续提供可靠的进化梯度（https://huggingface.co/papers?q=evolution%20gradients）。本文提出SkillEvo框架，其中可靠反馈生成梯度，可控治理约束梯度方向。第一项改进将多轮用户模拟（https://huggingface.co/papers?q=multi-turn%20user%20simulation）从评估终端重构为反馈生成器（https://huggingface.co/papers?q=feedback%20generator）：后续提问逐层暴露缺陷，使每轮修订既消耗反馈又生成新反馈。第二项改进用独立的治理层（https://huggingface.co/papers?q=governance%20layer）替代标量门控的被动拒绝机制，主动修复事实性退化和结构膨胀，防止梯度随退化累积而漂移。在涵盖六类云服务、9个生产级技能和98个技能参考文件的实验中，SkillEvo相比基于自反思（https://huggingface.co/papers?q=self-reflection）的进化方法提升23.0分，相比单轮QA驱动的进化方法提升15.4分。

查看arXiv页面（https://arxiv.org/abs/2608.13120）查看PDF（https://arxiv.org/pdf/2608.13120）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.13120）

获取论文至您的智能体： hf papers read 2608\.13120

未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

无模型链接本文

在模型README.md中引用arxiv.org/abs/2608.13120以从本页面建立链接。

引用本文的数据集0

无数据集链接本文

在数据集README.md中引用arxiv.org/abs/2608.13120以从本页面建立链接。

引用本文的Spaces0

无Space链接本文

在Space README.md中引用arxiv.org/abs/2608.13120以从本页面建立链接。

包含本文的合集0

无合集包含本文

将本文添加到合集（https://huggingface.co/new-collection）以从本页面建立链接。