Skill-MAS：面向自动多智能体系统的进化元技能

基于大语言模型的自动多智能体系统生成是解决复杂任务的关键前沿。现有方法在模型能力与经验保留间面临困境：推理时系统无法从过去学习，而训练时系统受限于小模型能力且难以扩展。为此，本文提出 Skill-MAS，将高层编排能力概念化为可进化的“元技能”，通过闭环优化解耦经验保留与参数更新。该方法包含多轨迹 rollout 采样行为分布，以及选择性反思以提炼系统性经验为通用策略原则。实验表明，Skill-MAS 在多个基准测试中显著提升性能，且演化的元技能具有强大的鲁棒性与跨任务、跨模型的迁移能力。