skill-internalization

本文提出了一种新方法，用于衡量大语言模型智能体是否已内化公共技能中心中的技能，并指出，基于增益的退役规则无法区分已内化的技能与尚未覆盖的技能。该方法采用基于探测任务的无辅助评分方式，并通过跨模型验证进行检验；同时发布了1,251项技能及其在四个模型上的任务数据。

R^2Orch 提出了一种递归自博弈范式，用于训练具备可学习任务选择能力的智能体编排器，并引入 Skill Withdrawal 外循环，消除了人工设计的课程安排，在十二个推理与交互数据集上均超越基线方法。

R²Orch 提出递归自博弈编排范式，通过内层自博弈与外层技能撤除循环，实现智能体编排的递归自我改进，在12个数据集上超越基线。

该推文重点介绍了美团团队关于 Skill0 的论文，这是一种用于技能内在化的RL方法，并引用了一篇关于自蒸馏智能体RL的相关论文。