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
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
T^2PO：不确定性引导探索控制，提升多轮智能体强化学习稳定性
T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning
Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, 等 (+5)
• T²PO（Token和Turn级策略优化）是一种新颖方法，旨在解决多轮智能体强化学习中常见的探索不稳定性问题。
• 该方法通过在Token和Turn等细粒度级别上，精确控制智能体的探索行为，从而显著提升学习过程的稳定性。
• 其核心机制在于结合了不确定性监控技术，并辅以动态重采样策略，以有效地引导探索过程，避免智能体陷入次优解或学习崩溃。
🔗 arXiv · 🤗 HF
#强化学习 #智能体 #探索控制 #不确定性 #多轮学习 #策略优化
T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning
Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, 等 (+5)
• T²PO（Token和Turn级策略优化）是一种新颖方法，旨在解决多轮智能体强化学习中常见的探索不稳定性问题。
• 该方法通过在Token和Turn等细粒度级别上，精确控制智能体的探索行为，从而显著提升学习过程的稳定性。
• 其核心机制在于结合了不确定性监控技术，并辅以动态重采样策略，以有效地引导探索过程，避免智能体陷入次优解或学习崩溃。
🔗 arXiv · 🤗 HF
#强化学习 #智能体 #探索控制 #不确定性 #多轮学习 #策略优化