任务分解引导的重排序用于自适应 Agent 技能检索

针对大规模技能库中语义匹配模糊及忽视任务动态性的问题，本文提出 SkillReranker，一种推理时自适应技能重排序框架。该方法通过对任务和技能进行语义分解，构建有向无环执行图以建立结构化对应关系。随后，利用交叉编码器对子任务区间内的候选技能进行综合评分与优选。实验表明，该方法在 ALFWorld 和 ScienceWorld 上显著提升了任务性能，减少了交互步数并降低了 Token 消耗。