标签
SkillMem 为潜在空间中的多智能体推理引入了一种紧凑的外部潜在记忆，用于存储可复用技能。在使用 4B 至 14B 参数规模的 Qwen3 模型进行的各项基准测试中，其存储空间需求降至原来的 1/38，推理速度最高提升至原来的 4.23 倍。
SkillShift-Bench 首次提出了一个基准，用于评估网页智能体在受控开放环境变化（上下文、感知和执行层面）下的技能学习，揭示了鲁棒性的系统性下降，并提出一种测试时自适应方法，无需重新学习即可改善环境变化后的技能执行表现。
该论文提出Δτ-Bench，一个评估AI智能体在不断演化的工具生态中适应能力的可执行基准，包含42个领域、6个生态状态下的1,588个多轮任务；并提出Steward生态系统管理器，通过增量技能维护和动态供应实现更高的持续任务成功率。
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。
EmbodiedEvo 让编码代理在模拟机器人场景中编写 Python 代码、执行任务并将经验固化为可复用的技能，从而零样本迁移到真实机器人与新环境，无需更新模型权重。
提出了 SkillGrain 框架，将用户反馈分解为可独立执行的原子规则，预测其可迁移性并只保留适用于未来请求的部分，通过强化学习联合优化技能归纳与条件生成，以实现可复用的个性化技能学习。
该论文提出 Socratic Skill Learning (SSL)，通过将专家教学与学生实践交错进行，使 LLM 代理获得可迁移的可复用技能，并构建了 SkillTransferBench 基准测试，结果显示其在效用指标上优于轨迹蒸馏与对比蒸馏方法。
加州大学伯克利分校与普林斯顿大学的研究者提出了一种可扩展的赋能最大化方法，将赋能与可执行技能的数量联系起来，并在 Crafter 等复杂环境中展示了建房、资源收集等涌现行为。
提出了RSIPO框架，通过技能与策略的协同演化实现智能体强化学习的递归自我优化，在ALFWorld上以Qwen2.5-7B达到98.6%的成功率，显著超越GRPO等基线。
ViSkill 提出一种视觉原生的技能学习框架，将成功交互编码为可复用的视觉技能卡，与策略优化形成闭环反馈，在 Sokoban、FrozenLake 等基准上超越多种基线。
UniSkill 提出一种共享策略与技能库共同演化的框架，通过对比动作反馈作为技能提案的 actor-alignment 信号，避免昂贵的额外 rollout，在 ALFWorld 达到 98.4% 成功率、WebShop 达到 84.7%。
Skill2Env 是一个能力导向的框架，通过技能合成可执行环境来训练通用 AI 智能体，利用任务蓝图和迭代强化来提升智能体在各项基准测试中的表现。
Skild AI演示了一个通过自我对弈模拟训练的机器人进行足球训练，模拟了相当于140年的练习在几周内完成，展示了通过计算机模拟获取技能的新方法。
EvoSkill v2使AI智能体无需重训练即可自我改进，它通过存储在文件中的持久化技能实现，指导智能体从失败任务中编写经验教训，从而在电子表格修复等任务中取得显著的性能提升。
GeoSkill引入了一个层级技能学习框架，用于地理空间智能体，将执行经验提炼为可重用技能，通过协作修订提高任务准确性和工具可靠性。
SPACE 通过从成功轨迹归纳两层参数化技能，将子技能边界作为动作块监督，训练长程 LLM Agent 自适应输出可变长原子动作序列；在 ALFWorld 和 ScienceWorld 上成功率提升 7.0%–31.3%，决策轮次最多降低 78.9%。
介绍了QDOS，这是一个用于离线到在线强化学习的统一流水线，采用优势加权质量-多样性预训练来提取多样且高价值的技能，显著提升了操作和移动任务的性能。
本文介绍了一种利用AI工具从博主内容中提取思想并形成可复用技能流程的方法。
SAGE是一个利用自演化规则和属性引导更新来自动化短剧制作中分镜生成的框架，实现了专家级性能，并在商业部署中减少了制作时间。
Introduces ERSkill, a retrieval-centric framework for self-evolving, skill-guided adaptive memory access in LLM agents. It co-evolves retrieval skills and a routing policy, substantially outperforming strong baselines across agent memory benchmarks.