ai, agent,

一分钟读论文：《SkillOS：面向自进化智能体的技能策展学习》

Unbug By Unbug Follow · 1 min read
一分钟读论文：《SkillOS：面向自进化智能体的技能策展学习》
Share this

Google Cloud AI Research 联合 UIUC 和 MIT 发表的论文《SkillOS: Learning Skill Curation for Self-Evolving Agents》，首次将智能体的技能策展定义为可通过强化学习自主学习的策略问题，而非依赖人工或启发式规则。论文提出”冻结执行器 + 可训练策展器”的双组件架构，在多项任务基准上持续优于所有基线。

双组件架构

现有方法依赖手动策展、启发式规则或短期技能操作训练，无法从间接和延迟反馈中学习复杂的长期策展策略。SkillOS 将技能策展定义为可学习的策略问题，核心创新在于将智能体系统拆分为两个独立组件。冻结的智能体执行器负责检索和应用技能以完成任务，不参与训练过程；可训练的技能策展器则从累积经验中更新外部技能库 SkillRepo，是强化学习训练的核心。这种设计解耦了技能使用和技能学习，使策展器可以跨不同执行器后端和任务域泛化。

技能以 Markdown 格式存储在 SkillRepo 中。策展器从智能体执行任务产生的轨迹中提取高质量技能，写入 SkillRepo。随着时间推移，SkillRepo 中的技能逐步演化为更高级的元技能，形成更丰富的结构化知识。策展器学习如何判断哪些经验值得保存、如何整合已有技能，以及何时更新或淘汰旧技能。

复合奖励与因果归因

策展决策与最终执行结果之间存在长因果链，传统奖励无法准确归因。SkillOS 设计了复合奖励函数，将下游执行器的反馈更精确地分配给策展决策。奖励信号来自下游任务执行的成功率，策展器通过强化学习学习如何从经验中提取和整合技能。

训练基于任务流分组策略。基于技能相关的任务依赖关系，将训练实例分组为任务流，早期轨迹更新 SkillRepo，后续相关任务评估这些更新，形成闭环学习。这种设计使策展器能够利用技能间的依赖关系，将奖励信号沿着因果链回溯到相关的策展决策。

实验与泛化

论文在多轮智能体任务（WebShop 等交互式任务基准）和单轮推理任务上进行了广泛实验，对比了无记忆基线和强记忆基线。关键发现包括：

  • SkillOS 在有效性和效率上均持续优于所有基线
  • 策展器在不同执行器后端（包括 Gemini-3.1-Flash-Lite）和任务域间均能泛化
  • 学到的策展器产生更精准的技能使用
  • SkillRepo 中的技能随时间演化为更高级的元技能

论文还展示了 SkillRepo 中技能的演进过程。随着训练的进行，策展器逐渐学会提取更抽象、更通用的技能，SkillRepo 中的 Markdown 文件从简单的操作指令演化为包含策略说明和适用条件的结构化知识。这种自下而上的技能演化过程，为 Agent 的长期自进化提供了可验证的证据。

与第 45 篇 RAO 的递归训练方法不同，SkillOS 关注经验驱动的技能积累与复用机制，通过策展器自主学习技能管理策略，而非递归优化执行器本身。

References

SkillOS SkillCuration ReinforcementLearning Agent

Releated

  1. 一分钟读论文：《PRIME：通过迭代记忆进化实现用户中心Agent的主动推理》
    In AI, Agent,
  2. 一分钟读论文：《基于代理的集成推理解决仓库级问题》
    In AI, 软件工程,
  3. 一分钟读论文：《把百亿模型装进手机：TIDE实现扩散语言模型跨架构蒸馏》
    In AI, MachineLearning,
  4. 一分钟读论文：《Agent实现AlphaZero流水线》
    In AI, MultiAgent, MachineLearning,
  5. 一分钟读论文：《多智能体工作流中完全循环子任务图的灵活性与成本》
    In AI, MultiAgent,
  6. 一分钟读论文：《自动合成多智能体漏洞发现方案》
    In AI, Security,
  7. 一分钟读论文：《多智能体语言系统的端到端通信优化》
    In AI, MultiAgent,
  8. 一分钟读论文：《瞬态轮次注入：暴露大语言模型的无状态多轮漏洞》
    In AI, Security,
  9. 一分钟读论文：《用扩散语言模型统一多模态理解与生成》
    In AI, Multimodal,
  10. 一分钟读论文：《LLM Agent 的外化设计范式》
    In AI, LLM,
  11. 一分钟读论文：《MASS-RAG：多智能体协同的检索增强生成》
    In AI, LLM,
  12. 一分钟读论文：《LLM 智能体在社交困境中的合作机制》
    In AI, MultiAgent,
  13. 一分钟读论文：《归一化计算下单Agent为何优于多Agent》
    In AI, Agents,
  14. 一分钟读论文：《大模型时代的奖励黑客与缓解策略》
    In AI, Security,
  15. 一分钟读论文：《诊断LLM裁判的可靠性：共形预测集与传递性违规》
    In AI, MachineLearning,
  16. 一分钟读论文：《轨迹级奖励建模基准：Agent 对齐新挑战》
    In AI, MachineLearning,
  17. 一分钟读论文：《Meerkat：发现基准测试中 4 倍安全漏洞》
    In AI, Security,
  18. 一分钟读论文：《OpenClaw 自主代理的安全威胁分析》
    In AI, Security,
  19. 一分钟读论文：《AI 模型会自发保护同伴吗？》
    In AI, Security,
  20. 一分钟读论文：《AI Agent 的根本安全模型 ClawLess》
    In AI, Security,
  21. 一分钟读论文：《量化大语言模型中的自我保存偏见》
    In AI, Security,
  22. 一分钟读论文：《自主AI Agent的自我保存行为检测协议》
    In AI, Security,
  23. 一分钟读论文：《AI 模型会自发结盟保护同伴吗？》
    In AI, Security,
  24. 一分钟读论文：《AI Agent 安全框架与隐私保护：MCPShield、TRiSM 与 GDPR 综合研究》
    In AI, Security,
  25. Google DeepMind 揭示 6 类 AI Agent 网络攻击陷阱：首个系统性威胁模型解析
    In AI, Security, Research,
  26. 一分钟读论文：《迈向具身 AGI：具身 AI 综述与未来之路》
    In AI, Robotics, EmbodiedAI,
  27. 一分钟读论文：《迈向具身 AGI：具身 AI 综述与未来之路》
    In AI, Robotics, EmbodiedAI,
  28. 一分钟读论文：《生成式AI重构软件工程，开发者生产力提升55.8%》
    In AI, 软件工程,
  29. 一分钟读论文：AI 时代的软件安全基石：人类认证的模块仓库
    In AI, Security,
  30. 一分钟读论文：《AI 会搞阴谋诡计吗？这项研究给出了答案》
    In AI,
  31. 一分钟读论文：《Humanity's Last Exam：评估 AI 能力的专家级学术问题基准》
    In AI,
  32. 一分钟读论文：《AlphaEvolve - 用 LLM 自动发现多智能体学习算法》
    In AI,
  33. 一分钟读论文：《Alien Science——让 AI 探索人类思维的盲区》
    In AI,
  34. 一分钟读论文：《洗车问题暴露大语言模型的根本缺陷？提示词架构决定推理质量》
    In AI, 论文阅读,
  35. 一分钟读论文：《HumanOrbit：从一张照片生成 360° 环绕视频，让 AI 帮你「转」着看人》
    In AI, 计算机视觉, 3D重建,
  36. 一分钟读论文：《AI 数学家诞生？Google DeepMind 的 Aletheia 自主解决 10 个数学难题中的 6 个》
    In AI, 研究论文,
  37. 一分钟读论文：《SemVideo：从大脑 fMRI 直接重建视频！读心术真的来了？》
    In AI, 脑机接口, 神经科学,
  38. 一分钟读论文：《LLM 去匿名化时代来临：你的匿名评论可能正在暴露你的真实身份》
    In AI,
  39. 一分钟读论文：《Agent World Model：用 1000 个合成环境训练 AI 智能体，突破训练数据瓶颈》
    In AI,
  40. 一分钟读论文：《何恺明团队再出大招：Drifting Models 挑战扩散模型，单步生成高质量图像》
    In AI, 论文, 生成模型,
  41. 一分钟读论文：《自言自语：让大语言模型告别灾难性遗忘》
    In AI,
  42. 一分钟读论文：《LUCID Attention：给长上下文模型戴上降噪耳机》
    In AI, Research, Transformer,
  43. 一分钟读论文：《HRM 架构突破：用仅 2700 万参数和 1000 个训练样本超越最先进的大语言模型》
    In AI,
  44. 一分钟读论文：《ELM 架构突破：Modulate 用 100+ 个小模型打败 LLM，开启语音 AI 新时代》
    In AI, 论文,
  45. 一分钟读论文：《突破传统：ReSU 神经网络单元——从果蝇大脑中获得的 AI 新灵感》
    In AI, 神经科学, 机器学习,
  46. 一分钟读论文：《AI 共同研究员时代到来：当 Claude、Gemini 和 ChatGPT 成为真正的科研合作者》
    In AI, 科学研究,
  47. 一分钟读论文：《DeepSeek-R1：用纯强化学习解锁大语言模型的推理能力》
    In AI,
  48. 一分钟读论文：《HybridQuestion：人类-AI 协作发现 2025 年十大科学突破与 2026 年重大科学问题》
    In AI,
  49. 一分钟读论文：《Google Titans + MIRAS：终结 AI 健忘症，让模型拥有真正的长期记忆》
    In AI,
  50. 一分钟读论文：《量子储层计算重大突破！在多体混沌边缘实现最佳性能，为量子AI开辟新道路！》
    In AI,
  51. 一分钟读论文：《PAN 世界模型炸场！MBZUAI 黑科技让 AI 学会脑补现实世界》
    In AI,
  52. 一分钟读论文：《Google Nested Learning：突破AI灾难性遗忘的新范式》
    In AI, 机器学习, 深度学习,
  53. 一分钟读论文：《MiroFlow：面向深度研究任务的高性能开源智能体框架》
    In AI,
  54. 一分钟读论文：《GLM-5：从「氛围编程」到「智能体工程」的范式跃迁》
    In AI,
  55. 一分钟读论文：《DeepSeek-R1：用纯强化学习解锁大语言模型的推理能力》
    In AI,
  56. 一分钟读论文：《DeepSeek Engram：颠覆GPU内存瓶颈！把知识存储从计算中分离，O(1)查找效率！》
    In AI,
  57. 一分钟读论文：《ICLR 2025 杰出论文：一次训练就能计算数据价值——AI 版权和数据治理的新突破》
    In AI,
  58. 一分钟读论文：《AlphaEvolve：AI 打破 56 年数学纪录，发现更快的矩阵乘法算法》
    In AI,
  59. 一分钟读论文：《AI原生粒子加速器：让大型科学设施学会自动驾驶》
    In AI,
  60. 一分钟读论文：《三个 AI 走进酒吧：聪明的 AI 也会搞部落主义？》
    In AI,
  61. 一分钟读论文：《RWML：让 LLM 智能体学会预测未来》
    In AI,
  62. 一分钟读论文：《Agentic Reasoning：从被动推理到主动智能的完整路线图！》
    In AI, 论文解读,
  63. 一分钟读论文：《ReSyn：自动生成1000个推理环境，让AI学会真正的思考！》
    In AI, 论文解读,
  64. 一分钟读论文：《Agent World Model：1000 个合成环境，让 AI 智能体学习效率翻倍》
    In AI, Agent,
  65. 一分钟读论文：《Agent World Model 研究：1000 个合成环境推动智能体训练革命》
    In AI, Agent,
  66. 一分钟读论文：《DeepMind Genie 3 研究：实时交互式 3D 世界模型的重大突破》
    In AI, deepmind,
  67. 一分钟读论文：《Genie 3: DeepMind 发布首个实时交互式世界模型》
    In AI, 论文解读,
  68. 一分钟读论文：《当 Many-Shot Prompting 失败时：LLM 代码翻译的实证研究》
    In AI, LLM,
  69. 一分钟读论文：《Google Nested Learning：破解 AI 灾难性遗忘的革命性范式》
    In AI, 深度学习,
  70. 一分钟读论文：《自然语言摘要实现微服务多仓库 Bug 定位》
    In AI, 软件工程,
  71. 一分钟读论文：生成式 AI 正在重构软件工程的未来
    In AI, 软件工程,
  72. 一分钟读论文：《生成式AI在软件工程中的应用：变革软件开发流程》
    In AI, Software Engineering,
  73. 一分钟读论文：《Gated Attention：用一个小阀门让 LLM 性能飙升》
    In AI, 深度学习,
  74. 一分钟读论文：《EnAgent：三个AI智能体组队，登顶代码修复榜单》
    In AI, 软件工程,
  75. 一分钟读论文：《MCP 一周年：从内部实验到行业标准》
    In AI, Agent,
  76. 一分钟读论文：《Specine：让大语言模型真正“读懂”你的需求》
    In AI, 软件工程,
  77. 一分钟读论文：《大语言模型代码生成的规格对齐》
    In AI, 软件工程,
  78. 一分钟读论文：《小模型团队如何超越大模型》
    In AI, 软件工程,
  79. 一分钟读论文：《从“能用”到“好用”：让AI真正学会软件工程》
    In AI, 软件工程,
  80. 一分钟读论文：《让AI像程序员一样边写代码边调试》
    In AI, 软件工程,
  81. 一分钟读论文：《CGM：让AI像程序员一样理解整个代码库》
    In AI, 软件工程,
  82. 一分钟读论文：《小语言模型作为评委提升代码生成》
    In AI, 软件工程,
  83. 一分钟读论文：《GitHub Copilot 的代码生成稳健吗？》
    In AI, Software Engineering,
  84. 一分钟读论文：《ChatGPT 提示模式：提升代码质量、重构、需求获取和软件设计》
    In AI, Software Engineering,
  85. 一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》
    In AI, 编程教育,
  86. 一分钟读论文：《Chrome 〈!DOCTYPE aigc〉: 你的网页何必是 HTML》
    In AI, FrontEnd,
  87. 一分钟读论文：《ChatGPT for Robotics：设计原则和模型能力》
    In AI, Engineering,
  88. 一分钟读论文：《GPT-minify: All JS bundle size 97% off》
    In AI, FrontEnd,
  89. 一分钟读论文：《ChatGPT 提示模式：提高代码质量、重构、需求获取和软件设计》
    In AI, Engineering, Engineer,
  90. 一分钟读论文：《基于 ChatGPT、AR 和 Voicebots 的儿童外教软件设计框架》
    In AI, Engineering,
  91. 一分钟读论文：《ChatGPT：在线考试诚信的终结？》
    In AI,