通用技能之外再挂个人适配器:Skill Adapter 在三个基准上比 SkillRL 平均高 11.43 个百分点
核心概要
大语言模型智能体调用外部技能时,通用流程相同而用户对工具、参数和输出格式的要求各异。Skill Adapter 把用户特定的局部调整蒸馏成与通用技能分开存储的 Adapter,并由路由智能体按当前子任务和执行状态在线选择技能与 Adapter、增量维护任务级技能库。在 ALFWorld、WebShop 和 SkillsBench 上,其成功率较 SkillRL 分别提高 8.34、8.80 和 17.14 个百分点,三个基准的平均执行时间均下降。
深度剖析
智能体使用外部技能时,通用技能只描述一类任务共享的执行流程,而具体工具选择、操作习惯和输出要求随用户变化,长程任务中子目标、可用输入和环境状态还会随执行推进而改变。 此前技能池把经验组织成可复用技能以减少重复探索,但用户特定的操作要求没有独立于通用流程的存放位置,技能选择也主要依赖任务与技能的语义匹配。 Skill Adapter 把用户要求与执行反馈蒸馏为挂在通用技能上的 Adapter,Adapter 记录适用条件以及对工具、参数、步骤和输出检查的局部修改,同一通用技能可关联多个用户的适配版本。
执行时由路由智能体按当前子任务、执行进度和环境反馈挑选通用技能及其适用 Adapter,主模型按需读取当前节点所需条目。 路由不再一次性选定技能,而是在任务推进中复用仍有效的条目、移除或替换失效条目,并为后续节点预加载候选。 主模型把任务分解为有向无环图,路由先按主题检索和语义匹配取候选并沿技能组合关系扩展,候选上限 30 个,待实际输入确定后再复核适用条件;修改策略与路由策略分别用 GRPO 训练,主模型保持冻结。
在 ALFWorld、WebShop 和 SkillsBench 上,Skill Adapter 的核心指标均优于七个对比配置。 与 SkillRL 相比,三个基准的成功率分别从 87.14%、72.73%、21.43% 升至 95.48%、81.53%、38.57%。 平均执行时间同时从 70.6 秒、57.8 秒、529.4 秒降至 61.9 秒、50.7 秒、398.9 秒;技能池扩到 1,000 个时成功率从约 95.5% 降到 80.4%,仍比 SkillRL 的约 60.3% 高约 20 个百分点。
启示与展望
评测覆盖 ALFWorld 的六类长程任务、WebShop 的商品购买任务和 SkillsBench 的外部技能使用任务,测试集分别为 420、1,500 和 210 个任务,交互预算为 50、15 和 30 步;前两个基准的执行模型为 Qwen3-8B,SkillsBench 为 GPT-5-mini。技能池扩展实验从 50 个技能逐步加入其他任务类别的干扰技能,直到 1,000 个。
技能池扩大时所有方法的成功率都下降,Skill Adapter 从约 95.5% 降到 80.4%;个性化条件取自任务指令中明确写出的目标、操作约束和输出要求,跨任务泛化的偏好如何使用文中只作了原则性说明。
