SkillBrew：面向 LLM 代理的技能库多目标精选框架
计算与语言
2026-05-29 v1 人工智能
信息检索
摘要
检索增强型 LLM 代理越来越依赖精选的技能库：可重用的文本原则集合，用于指导复杂任务上的决策。现有方法通常以追加式方式扩充这些技能库，不断添加新技能而不移除冗余、过时或有害的技能，导致高效且管理不善的仓库。本文将技能库精选建模为受约束的多目标问题：理想的技能库必须对代理有用、内容多样化，并且能良好覆盖查询分布。为此，我们引入 SkillBrew，一个多目标精选框架，将技能库精选建模为受效用约束下的帕累托感知优化问题，并通过双层提出-验证循环求解。我们在两个公开基准上评估了该方法。我们的发现表明，将技能库视作受原则性精选的对象，而非永远追加的日志，是通向自我改进 LLM 代理的重要步骤。
引用
@article{arxiv.2605.29440,
title = {SkillBrew: Multi-Objective Curation of Skill Banks for LLM Agents},
author = {Wentao Hu and Zhendong Chu and Yiming Zhang and Junda Wu and Ming Jin and Xiangyu Zhao and Yilei Shao and Yanfeng Wang and Qingsong Wen},
journal= {arXiv preprint arXiv:2605.29440},
year = {2026}
}
备注
16 pages. Preprint. Under review