LLM Agents Skill Retrieval Graph-based Reasoning Tool Use
摘要

大型语言模型(LLM)智能体正通过组合可复用技能来解决复杂任务。本文指出,关键挑战在于识别完整且可执行的技能组合,而非仅检索单个相关技能。为此,我们提出SkillTrace,构建包含技能查询间组合关系、查询与候选技能相似度以及选定候选者间依赖性的三层图结构。该方法将用户查询组织为语义层次,匹配技能并传播依赖关系。在SkillsBench和ALFWorld上的实验表明,SkillTrace取得了最先进性能,分别达到53.17%和91.43%的成功率,展现了基于图的技能检索方法的通用性与鲁棒性。

AI 推荐理由

论文核心聚焦于LLM Agent的技能检索与组合,直接解决技能库中技能的匹配与依赖问题。

研究机构
山东大学 澳大利亚国立大学 清华大学 科廷大学
论文信息
作者 Yue Yao, Shengyuan Wang, Xin Chen, Minke Zhang, Jia He et al.
发布日期 2026-08-03
arXiv ID 2608.02356
相关性评分 9/10 (高度相关)