从技能文本到技能结构：代理技能的调度-结构-逻辑表示
From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills

Qiliang Liang, Hansi Wang, Zhong Liang, Yang Liu
⭐ 7

• 本文提出一种新的代理技能结构化表示方法，旨在更好地理解和管理复杂智能体行为。
• 该方法创新性地将智能体技能分解为调度、执行和逻辑三大核心组件，实现各部分的清晰解耦。
• 通过这种结构化表示，复杂的技能可以被模块化地构建和分析，从而提高系统的可解释性和鲁棒性。
• 实验证明，该表示法能显著提升在技能发现和风险评估等关键任务中的性能表现。

🔗 arXiv · 🤗 HF

#智能体技能 #知识表示 #技能发现 #风险评估 #规划

语言模型上下文技能学习：如何实现熟练习得？
From Context to Skills: Can Language Models Learn from Context Skillfully?

Shuzheng Si, Haozhe Zhao, Yu Lei, Qingyi Wang, Dingwei Chen, 等 (+8)
⭐ 2

• 本文提出一个自进化的框架，旨在赋予语言模型自主发现和完善特定上下文技能的能力。
• 框架核心是多智能体自博弈循环，通过挑战者、推理者和评估者三个关键组件之间的交互，持续生成并优化上下文相关的技能。
• 这种无需人工监督的机制，能够有效地提升语言模型在复杂上下文情境下的学习表现和处理能力。
• 实验结果表明，该方法显著改善了模型的上下文学习性能，为语言模型实现更熟练、更自主的技能习得提供了新途径。

🔗 arXiv · 🤗 HF

#大语言模型 #上下文学习 #多智能体 #自主学习 #技能习得