5001拉斯维加斯-港中文团队提出 Skill 生命周期管理 SLIM，让大模型智能体不再盲目堆积 Skill ！

作者丨郑佳美

编纂丨马晓宁

年夜模子智能体正于从“会谈天”走向“会干事”。

于网页搜刮、东西挪用、主动办公、软件操作、具身呆板人等场景中，智能面子对于的再也不是单轮问答，而是持续决议计划：它要理解使命方针，选择适合东西，履行多个步调，并按照情况反馈不停调解步履。

例如，一个家庭办事呆板人要完成“把冷却后的物品放到指定位置”，不克不及只知道“冷却”是甚么意思，还有要先找到准确物体，判定物体状况，完成冷却操作，再确认是否放置乐成；一个搜刮问答智能体也不克不及只天生谜底，而要先判定问题类型，检索证据，筛失无关信息，再构造终极回覆。

于这类行业配景下，外部技术逐渐成为 LLM agent 的主要能力来历。它们像是可复用的操作经验，可以或许帮忙智能体处置惩罚繁杂流程、长尾使命及轻易堕落的步调。

但问题也随之呈现：技术是否是越多越好？假如一直把技术塞进体系，智能体可能检索到过错技术，被无关信息滋扰；假如寻求“零技术推理”，又可能把一些低频但要害的能力删失，致使繁杂使命中掉误增长。也就是说，行业真正需要解决的不是“要不要技术”，而是“技术应该如何被治理”。

针对于这个问题，中国香港中文年夜学团队提出了《Dynamic Skill Lifecycle Management for Agentic Reinforcement Learning》，简称 SLIM。这项研究把外部技术当作一个有生命周期的能力体系，而不是固定稳定的提醒质料。SLIM 会于练习历程中判定每一个技术的真实孝敬：有效的技术继承保留，孝敬变小的技术逐渐退休，当前能力笼罩不到的掉败场景再扩大新技术。

这让智能体的练习方式更靠近真实事情中的能力治理。好比于 ALFWorld 这种长流程使命中，一些清洁、加热、冷却、状况查抄相干技术仍旧需要保留于外部，帮忙智能体完成持续动作；而于 SearchQA 这种搜刮问答使命中，部门搜刮及推理计谋可能更易被模子接收，终极对于外部技术的依靠就会降低。

SLIM 想回覆的焦点问题，恰是年夜模子智能体走向繁杂使命时绕不开的问题：哪些能力应该写进模子，哪些能力应该留于外部，哪些能力又应该于掉败中被从头补上。

论文地址：https://arxiv.org/pdf/2605.10923

01

研究团队的试验成果显示，SLIM 于总体体现上最佳，平均跨越最好对于比喻法 7.1 个百分点，这申明晋升不是偶尔来自某一个使命，而是来自练习历程中对于技术调集的动态治理。

SLIM 的上风不是固定利用统一批技术，也不是纯真增长技术数目，而是按照每一个技术于差别阶段的作用变化，决议哪些技术继承保留，哪些技术删除了，哪些技术需要新增。

于 ALFWorld 上，SLIM乐成率为 87.5，最强基线要领 SkillRL 为 75.0，晋升较较着。ALFWorld 的使命步调长、动作多、状况变化较着，智能体需要连续不雅察情况、判定物体状况、选择准确动作，并按挨次完成多个操作，以是这种使命仍旧需要一部门外部技术辅助。

SLIM 于这个使命上体现更好，申明颠末筛选后留下的外部技术，可以或许帮忙智能体处置惩罚繁杂流程及状况变化。于 SearchQA 上，SLIM不管是否携带技术都为 41.0，最强非 SLIM 要领 Skill0 为 39.3，虽然也有晋升，但不如 ALFWorld 较着。

SearchQA 重要缭绕搜刮、推理及回覆睁开，使命重点于在找到信息、构造推理路径并输出谜底，以是外部技术更像练习阶段的辅助，终极依靠较弱。带技术及不带技术的成果也能表现这类差异，ALFWorld 中带技术较着更好，申明它更依靠外部历程技术，SearchQA 中带不带技术差距很小，申明模子更易把技术中的搜刮及回覆计谋接收到自身能力中。

练习历程中，差别要领的技术变化也颇有代表性。SkillRL 的技术连续增长，申明它倾向不停累积技术，但技术多其实不必然更好，由于过量技术可能带来检索噪声及上下文滋扰。Skill0 的技术连续削减，末了酿成零技术，申明它倾向把技术全数内化到模子中，但这类方式可能会丢掉低频、长尾或者繁杂流程能力。雷峰网

SLIM 则先增长技术，再筛选技术，末了保留极少量有用技术，并终极保留 21 个技术，申明最优状况不是技术越多越好，也不是技术全数删除了最佳，而是保留仍旧有现实孝敬的技术。

溶解试验进一步证实了这一点，去失“退休”机制后机能较着降落，申明只增长技术而不删除了无效技术会影响效果；去失“扩大”机制后机能也降落，申明只筛选已经有技术还有不敷，还有需要补足当前技术没法笼罩的掉败环境；随机治理技术效果更差，申明技术增删不克不及随便举行。

固定技术数目也不如 SLIM，申明要害不是简朴节制技术数目，而是按照技术孝敬决议保留、删除了及扩大。案例阐发成果也撑持这个结论，有些技术利用频率高，但孝敬已经经很小，可能已经经被模子学会或者被其他技术替换；有些技术利用频率不高，但于特定使命中很是要害，不克不及由于低频就删除了。

还有有些新扩大出来的技术，后期也可能变患上冗余，申明新增技术其实不代表永世保留。是以，是否保留技术不克不及只看利用次数，更主要的是看禁用某个技术后，使命体现是否较着变差。

02

研究团队的试验方针，是验证 SLIM 是否优在传统技术利用方式。试验重要对于比了三种思绪，一种是平凡 RL，重点放于练习 policy 上，一种是技术累积，也就是不停增长外部技术，还有有一种是技术内化，也就是逐渐删除了外部技术。雷峰网(公家号：雷峰网)

缭绕这些对于比，研究真正想回覆的问题是，LLM agent 于练习历程中，外部技术到底要如何变化。试验利用的基础模子是 Qwen3-4B，使命包括 ALFWorld 及 SearchQA，此中 ALFWorld 是模仿家庭情况使命 ，更偏动作履行，SearchQA 是搜刮问答使命，更偏信息检索及推理。

如许设置的目的，是不雅察 SLIM 于差别类型使命中是否都能阐扬作用。试验对于比对于象也比力周全，包括提醒类要领 Zero-Shot、Few-Shot，agent 类要领 ReAct、Reflexion，memory 类要领 Mem0、ExpeL，RL 类要领 GRPO、EvolveR，技术类要领 SkillRL、Skill0，以和研究提出的 SLIM。对于比规模较广，以是可以或许申明 SLIM 不是只比某一类较弱的 baseline 好，而是于多种要领系统中都有竞争力。

SLIM 的基本练习流程可以理解为一个不停轮回的历程。起首，体系会按照当前使命检索相干技术，然后让 agent 带着这些技术去履行使命，接着用 GRPO 更新 policy。练习一段时间后，体系会进入技术审计阶段，也就是查抄差别技术于当前练习状况下还有有无价值。

审计完成后，再决议技术是继承保留、删除了，还有是新增。技术检索时，技术被分成两类，一类是通用技术，合适多种使命中的计谋，另外一类是使命专属技术，针对于某类使命中的详细操作要领。每一次使命只会从当前 active skill set 里检索相干技术，而不是把所有技术全数塞进 prompt，如许可以削减无关技术带来的滋扰。

于判定技术孝敬时，SLIM 利用的焦点要领是 leave-one-skill-out 验证，即姑且禁用某个技术，然后比力禁用先后的验证体现。假如禁用后体现较着降落，申明这个技术仍旧有价值。假如禁用后体现险些稳定，申明相干能力可能已经经被模子学会。假如禁用后体现变好，申明这个技术可能孕育发生滋扰。

经由过程这类方式，研究团队可以预计技术的边际外部孝敬。按照孝敬成果，SLIM 会履行三种操作。Retain 指保留技术，合用在技术仍旧较着提高使命体现的环境，作用是让有效的外部能力继承介入后续使命，特别合适步调繁杂、轻易堕落的使命流程。

Retire 指退休技术，合用在技术孝敬持久很低的环境，可能缘故原由包括模子已经经学会相干能力，其他技术已经经笼罩它，技术信息过时，或者者技术会滋扰决议计划，作用是削减无效技术带来的噪声及上下文承担。Expand 指扩大技术，合用在某些使命区域连续掉败的环境，这申明当前技术库笼罩不足，以是体系会从掉败案例中总结新技术，用来补足原有技术库没有笼罩到的能力。

这个扩大历程不是盲目增长技术，而是按照掉败模式举行增补。终极推理时，练习已经经完成，体系会利用终极保留下来的技术调集，只检索相干技术，再也不继承履行保留、退休及扩大。试验中对于比了 SLIM 携带技术及没有携带技术两种环境，二者对于比可以不雅察模子终极是否仍旧依靠外部技术。

03

研究的意义起首于在从头思索“技术连续累积”这类做法。SkillRL 一直增长技术，外貌上看外部常识变多了，但现实利用时可能带来新的问题。技术过量会让检索更易选错，prompt 中也会呈现更多无关信息，agent 甚至可能被过错技术误导，以是技术库其实不是越年夜越好。

其次，研究也反思了“零技术推理”这类做法。Skill0 试图把技术全数内化进模子，一部门技术确凿可以被模子学会，但其实不是所有技术都合适且可以或许放进模子参数里。低频技术、长尾技术及繁杂流程技术，可能仍旧需要保留于外部，假如强迫删除了全数技术，就轻易丧失一些局部但要害的能力。

SLIM 的焦点价值就于在，它不假定技术必需一直增长，也不假定技术终极必需全数消散，而是让技术按照孝敬动态变化，有效的继承保留，无用的逐渐删除了，缺掉的从头扩大，这更靠近真实 agent 练习中的能力治理历程。

从模子参数及外部技术的分工来看，常见能力合适被模子参数接收，反复呈现的简朴流程合适逐渐内化，低频但主要的流程合适外部保留，当前技术库没有笼罩的能力则合适新增技术。是以，SLIM 现实上是于进修“哪些能力放进模子，哪些能力留于外部”。

这也给 agentic RL 带来开导，传统 RL 重要优化 policy，而 SLIM 同时优化 policy 及外部技术调集，使 agent 不只是学会做使命，还有学会何时需要外部帮忙，是以更合适繁杂使命、长流程使命及东西利用使命。

差别使命也需要差别的技术治理方式，ALFWorld 更需要保留外部技术，由于使命触及持续动作、情况状况及挨次约束，SearchQA 更易把技术转化为模子计谋，由于使命更偏搜刮与回覆模式，以是不克不及同一采用“全保留”或者“全删除了”。

整体来看，SLIM 提供了一种更矫捷的技术生命周期治理要领，于练习历程中动态调解外部技术，终极形成一个精简但有用的技术调集，既防止技术过量造成滋扰，也防止技术过少致使能力缺掉。研究的焦点孝敬，是把外部技术调集从固定辅助东西，酿成可以及 policy 一路优化的练习对于象。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。