Skill Learning

3 items

RESEARCHarXiv CS.AI·5/9/2026

From History to State: Constant-Context Skill Learning for LLM Agents

Dieses Papier schlägt konstantes Kontext-Fähigkeitslernen vor, einen neuartigen Rahmen für LLM-Agenten, um wiederkehrende Workflows effizienter zu verwalten. Es begegnet Herausforderungen in Bezug auf Datenschutz, Kosten und Fähigkeiten, indem wiederverwendbare Prozeduren in Aufgabenfamilienmodulen gelernt und die Inferenz an einen kompakten Zustandsblock geknüpft wird. Die Wirksamkeit wird auf Benchmarks wie ALFWorld, WebShop und SciWorld demonstriert.

LLM Agents reinforcement learning Skill Learning AI Research

RESEARCHarXiv CS.AI·vor 29T

CoCoDA: Co-evolving Compositional DAG for Tool-Augmented Agents

CoCoDA schlägt ein Framework für Werkzeug-erweiterte Sprachmodelle vor, das einen ko-evolvierenden kompositionellen Code-DAG verwendet, um Werkzeuge effizient zu verwalten und abzurufen. Dieser Ansatz adressiert Herausforderungen bei der Skalierung von Werkzeugbibliotheken, indem er typisierte, kompositionelle Strukturen kodiert und Kandidaten durch symbolische Signaturvereinigung beschneidet.

language models Tool-Augmented Agents Compositional AI AI

RESEARCHarXiv CS.AI·4/16/2026

WebXSkill: Skill Learning for Autonomous Web Agents

Dieser Inhalt stellt WebXSkill vor, ein System, das sich auf das Erlernen von Fähigkeiten für autonome Webagenten konzentriert. Es zielt darauf ab, KI-Agenten zu befähigen, komplexe Aufgaben im Web eigenständig auszuführen.

machine learning autonomous agents AI Skill Learning