skillsbench

SkillsBench创始人分享了该项目在不到六个月内从零快速增长到1600+ Discord成员、2篇论文和150+引用，以及大量文档资料。

SkillsBench 1.1已发布，作为首个经过审计、无错误的AI智能体技能基准测试，显示能力从约36%迅速提升至67%的解决率，并证明技能可以替代模型规模。

介绍了SkillDAG，一种用于大规模LLM技能选择的自进化类型化有向图，它建模了技能间关系，并允许智能体在执行过程中查询和演化该图，在ALFWorld和SkillsBench上优于基线。