SkillNEO: Non-Elitist Evolutionary Optimization of Agent Skills

arXiv:2610.20926v1 公告类型：新

摘要：智能体技能将程序性知识转化为可复用的产物，使 LLM 智能体能够通过经验积累并精炼专业知识。在此基础上，技能演化利用执行反馈迭代改进技能。然而，改进可能需要若干相互依赖的编辑，因此低奖励的版本仍然值得继续开发。要求立即获得奖励提升，可能会在有用部分修复的收益显现之前就将其丢弃。非精英演化允许新版本尽管得分低于先前版本，仍能获得进一步编辑。对于智能体技能而言，这需要证据来指明应保留什么、接下来修复什么。我们提出 SkillNEO（面向智能体技能的非精英演化优化），它将“选择使用哪个版本”与“选择继续改进哪些版本”分开处理。比较相关版本执行同一任务的表现，可以揭示应保留的有效步骤与仍需修复的剩余失败。它还可以利用后续证据重新审视并修订较早的版本。在涵盖软件工程与办公工作等八个领域的 86 项 SkillsBench 任务上，SkillNEO 将 GPT-5.4 Mini 的平均奖励从 49.1% 提升至 66.4%，处于 GPT-5.5 与 GPT-5.6 Luna 原始技能的范围之内。Mini 负责任务执行、提出修订并编辑技能；最终评估使用相同的任务实例。增益覆盖全部八个领域。相同的技能无需进一步编辑即可改进更强的模型。在 41 项技能被修改的任务上，复用使 Luna 提升 10.5 个百分点，并使 GPT-5.5 高出其已发布的原始技能参考 10.6 个百分点。执行记录显示，即使 Mini 仍未能满足某些任务要求，这些技能也能使更强的模型受益。搜索历史还显示，得分较低的版本最终导向了被选择使用的技能。综上，这些发现表明，技能演化可以将较弱模型的部分进展转化为可复用的程序性知识，用以改进能力更强的智能体。