Reinforcement Learning Skill Transfer LLM Agents Cross-Task Learning
摘要

大型语言模型代理常面临具有可复用模式的关联任务。现有方法或将任务视为独立片段,或流程繁琐。本文提出 SkillRise,一种统一的强化学习框架,用于跨任务技能学习。该框架将相关实例组织为渐进挑战序列,利用单一策略交替执行任务求解与技能文档策展,并直接传递给后续任务。通过解耦的信用分配机制,分别基于当前结果监督求解,基于下游折扣结果监督策展。实验表明,SkillRise 在多个基准上显著优于基线,有效实现了可迁移技能的提取、精炼与复用。

AI 推荐理由

论文核心提出跨任务技能学习框架,聚焦技能提取、优化与复用机制。

研究机构
Meituan Zhejiang University National University of Singapore Shanghai Jiao Tong University
论文信息
作者 Zhiyuan Yao, Yuxin Chen, Zhengxi Lu, Zishan Xu, Yueqing Sun et al.
发布日期 2026-07-29
arXiv ID 2607.26784
相关性评分 9/10 (高度相关)