CoEvoSkills：通过共演化验证的自演化智能体技能
高能物理 - 唯象学
2026-04-14 v2
摘要
Anthropic 提出了智能体技能的概念，用于解决单一工具调用无法解决的多步骤专业任务。工具是单一、自包含的函数，而技能是结构化的、相互依赖的多文件构件的集合。当前的技能生成不仅标签密集，需人工编写，还可能因人机认知错位而导致智能体性能下降，SkillsBench 上的评估即印证了这一点。因此，我们旨在使智能体能够自主生成技能。然而，旨用于工具的现有自演化方法无法直接应用于技能，因为其复杂度更高。为此，我们提出CoEvoSkills，一个自演化技能框架，使智能体能够自主构建复杂的多文件技能包。具体而言，CoEvoSkills 将一个迭代细化技能的技能生成器与一个不依赖真实测试内容即可提供信息性且可操作反馈的替代验证器进行耦合。实验表明，在SkillsBench上，CoEvoSkills在Claude Code和Codex上的五个基线中均实现了最高通过率，并且在六个额外LLM上也表现出强大的泛化能力。
引用
@article{arxiv.2604.01686,
title = {Higgs production in association with a Z boson at TeV-scale lepton colliders},
author = {Hiroyuki Furusato and Satsuki Hosoya and Kentarou Mawatari and Shouta Suzuki},
journal= {arXiv preprint arXiv:2604.01686},
year = {2026}
}
备注
12 pages, 13 figures; v2: references added