标签
提出了SkillTrace，一种面向LLM智能体技能复用的多迹溯源审计框架，该框架提取表达迹、实现迹和操作迹，在基准测试上取得了较高的准确率，并能够进行大规模真实环境审计。
Continual Harness 是一种无需重置、自我改进的智能体框架，通过存储记忆、复用技能和优化提示，在 ARC-AGI-3 上以 774 美元的成本达到了 20.54% 的准确率，以更高的效率超越了 Hermes 和 OpenClaw 等先前基准。
本文介绍了 SkillMigrator，一个 LLM Web 代理，它通过匹配布局结构而非领域特定元数据来学习可复用技能并在网站间迁移这些技能，在 WebArena 和 Mind2Web 基准测试中将 LLM 操作次数减少了 8-10%。
ExpGraph是一个模型无关的框架，通过自进化的技能与失败经验图，使LLM智能体能够复用过往经验，在不重新训练执行器的情况下将任务性能提升12%-21%。
本文提出了 SkillLens，这是一种用于大模型智能体自适应多粒度技能复用的分层框架，在基准任务中展示了更高的准确性和成本效益。