标签
AtomSD 提出了一种原子引导的自蒸馏框架，让 LLM 智能体从自身成功轨迹中提取细粒度的"过程原子"（Intent、When、Do、Avoid），并将其蒸馏进不断演化的策略中。实验表明，其平均性能比最先进的基线最高高出 9.31 分。
论文提出 MAGE 框架，利用用户手册作为可扩展的程序性知识来源，同时改进计算机使用代理（CUA）的推理与训练，在六个应用上提升了任务成功率并减少了对人工标注数据的依赖。
SkillNEO 提出非精英进化优化方法来改进大语言模型智能体的技能，通过允许低奖励版本继续迭代并分析版本间差异来保留有效步骤、修复失败，使 GPT-5.4 Mini 在 86 项 SkillsBench 任务上的平均奖励从 49.1% 提升至 66.4%，且改进后的技能还能提升更强模型的表现。
本文提出 EVISKILL，一个证据驱动的框架，将 LLM 智能体的执行观察组织为可重放的证据卡（Replayable Evidence Cards），并通过定向重放验证技能编辑，从而在不更新模型参数的情况下实现可持续的技能进化。实验在三个交互式基准和六个 LLM 主干上验证了其有效性。
Code2Skill 是一个自动化管道，它从源代码中提取可验证的技能，以提升AI智能体的性能，并生成一个大规模的基础技能库，在交互经验之前增强智能体能力。
本文介绍了 Scientific Agent Skills，一个开源库，包含16个科学领域的163项程序性知识技能，旨在帮助AI研究代理执行可辩护的分析。
CaSKG提出了一个反事实因果技能图框架，用于校准过程关系，增强针对LLM智能体的紧凑和可执行技能检索，并在ALFWorld和ScienceWorld等基准测试中展示了性能提升。
本文介绍了ACES，这是一个通过实际试验对AI智能体技能进行连续评估的框架，它测量技能提升（Skill Lift）以量化附加值，并展示了与仅扫描门控相比在企业存储库上的有效性。
FinSkillBench是一个针对投资管理领域AI代理的评估套件，表明精心策划的程序化技能相比自生成技能能提升性能。
本文介绍了SkillJuror，一个评估Agent技能的不同组织范式如何影响LLM Agent运行时行为的框架。对82个任务的研究表明，与扁平基线相比，渐进式披露(Progressive Disclosure)增加了资源多样性和采纳事件，且结果改善依赖于任务。
SKIM是一个自适应多分辨率软令牌压缩框架，用于压缩面向LLM的程序性技能，在降低预填充成本和延迟的同时保持任务性能。
本文介绍了SkeMex，一个自我演进的框架，通过将交互轨迹提炼为结构化技能记忆来增强医学智能体，并利用上下文相关的效用估计与治理实现更好的长期临床推理。
本文提出了W2S框架，该框架利用Skill-IR中间表示从历史交互轨迹中自动为LLM智能体构建可执行技能，相比基线方法，行为重放一致性提升了10.5%。
本文介绍了一个原型框架，用于管理虚拟实验室规划中LLM生成的程序性知识的不确定性，通过使用结构化领域表示来修复不确定的程序步骤。
本文介绍了MMSkills，这是一个用于表示、生成和使用视觉智能体多模态程序性知识的框架，结合了文本程序与视觉状态卡和关键帧，并在GUI和游戏类视觉智能体基准测试中展示了改进效果。