SkillRise：用強化學習實現跨任務技能進化的代理框架
為何重要
對開發者而言，SkillRise 建立了統一的 Agent 強化學習範式，有效解決了現有方法在「跨任務錯誤歸因」與「多階段流程效率」之間的取捨問題。透過讓 Agent 策略主動策劃（curate）可攜帶的技能檔案，框架顯著提升了 LLM Agents 在不同任務間的泛化能力，並在顯著降低運算開銷的情況下改善了測試表現。這代表 AI Agents 的訓練正從單點最佳化走向結構化的技能演化時期。
目前的 LLM Agents 強化學習 解決方案缺乏跨任務學習與技能共享的有效機制，傳統方法或僅限於單一任務的重複嘗試，或陷入多階段流程導致龐大的運算開銷。SkillRise 推出一個統一的強化學習框架，將相關任務例項組織成連續的挑戰序列，由單一策略在解決任務與策劃進化的技能檔案之間切換。實驗在 ALFWorld、WebShop 和 ScienceWorld 基準上顯示，其達成最佳 Pass@1 效能，較優異基線提升 2.3 至 8.5 個百分點；且實現了跨任務測試時的規模效應，即使每次嘗試僅一次，表現仍隨連續關聯任務長度的增加而提升。