Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
LLM-агента научили переписывать библиотеку навыков одновременно с тем, как он учится решать задачи, а не хранить инструкции как пассивный справочник. В работе Chinese Academy of Sciences, Renmin University of China и ByteDance, которая не прошла рецензирование и содержит замеры самих авторов, CoSkill обошла сильнейший альтернативный метод на WebShop на 6,2 процентного пункта. Библиотеку процедур теперь можно включить в контур обучения агента, а не обновлять отдельной моделью или набором правил.
CoSkill делит работу между агентом решения задач и агентом редактирования навыков. Они используют одну базовую модель, а библиотека хранит инструкции двух уровней: общий навык задаёт план на всю задачу, дочерние навыки подсказывают действия для конкретных состояний среды.
После каждого действия редактор получает выбранный навык, ответ среды и историю шагов, затем предлагает добавить, изменить, удалить или сохранить инструкцию. Правка не попадает в основную библиотеку сразу: система создаёт отдельную копию, заново запускает ту же задачу и сохраняет только изменения, которые улучшили результат. Награда за этот повторный прогон учит редактор исправлять процедуры, а обычная награда среды учит второго агента ими пользоваться.
На ALFWorld CoSkill достигла успешности 98,4% — на 3,5 процентного пункта выше ближайшего сравниваемого метода. Когда редактор навыков не обучали с подкреплением, на раннем этапе успешность падала на 12,5 процентного пункта. Значит, прирост даёт не только сама библиотека, но и связь правок с результатом последующего выполнения.
Метод проверяли с Qwen2.5-7B-Instruct на ALFWorld, текстовой среде с бытовыми заданиями, и WebShop, симуляторе интернет-магазина. В сравнение вошли агенты без обучения, методы обучения с подкреплением и системы с библиотеками навыков; часть базовых результатов взята из ранее опубликованных таблиц. Для собственной агентной системы подход требует повторно выполнять задачи после правок, но устраняет отдельный внешний редактор и связывает развитие инструкций с целевой метрикой продукта.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
