Agent Evolution Continual Learning Skill Acquisition Evaluation Benchmark
摘要

现代Agent框架利用外部技能库解决复杂任务,但其技能进化能力及效果尚不明确。为此,我们提出ContinualSkillBench,一个用于上下文持续技能学习的动态评估框架,涵盖五个领域及100个递增难度的子任务。实验表明,顺序执行虽能提升性能,但增益因模型和领域而异。上下文学习与显式技能维护表现相当,说明改进主要源于对上下文的适应而非可复用技能的抽象。此外,能力较弱的模型倾向于积累更碎片化的特定任务技能。结论指出,当前机制支持持续适应,但在将经验转化为稳健、可迁移技能方面仍面临挑战。

AI 推荐理由

论文核心探讨LLM Agent技能的持续进化与能力演化机制,直接对应自我进化主题。

研究机构
北京大学人工智能研究院 北京通用人工智能研究院
论文信息
作者 Tianyi Guan, Yiding Wang, Haotong Yang, Siyuan Cao, Shirui Liu et al.
发布日期 2026-08-04
arXiv ID 2608.03874
相关性评分 9/10 (高度相关)