摘要
大型语言模型智能体日益依赖可复用技能以扩展能力,但从大规模库中检索合适技能仍具挑战,因为真实用户请求往往简洁且未明确指定所需能力及执行步骤。为此,本文提出SkillReason-Bench基准及SkillReason框架。该框架利用思维链推理作为训练监督,第一阶段通过对比学习等机制让检索器内化能力推理,第二阶段通过检索引导的GRPO目标优化推理轨迹。推理时无需自回归生成CoT,保持高效检索。实验表明该方法在多个基准上达到最先进水平。
AI 推荐理由
论文核心解决Agent技能检索问题,通过推理增强提升隐式请求下的技能匹配精度。
研究机构
北京邮电大学
北京大学
北京智源人工智能研究院
北京信通院
论文信息