DSR：多样性感知的技能路由框架提升LLM智能体性能
原文标题：Beyond Top-$k$ Skill Retrieval: Diversity-Aware Skill Routing for LLM Agents
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
提出多样性技能路由（DSR）框架，利用行列式点过程平衡相关性和非冗余性，解决技能注册表中功能冗余问题。在SkillRouter基准上，DSR提高了召回率和完整覆盖率，尤其在多技能查询上增益更大。这表明技能路由应视为互补集合选择而非单纯相关性排序。
- 问题
- LLM智能体技能注册表功能冗余，按相关性独立排序浪费上下文预算。
- 方法
- 用行列式点过程做多样性重排，以查询残差核惩罚冗余技能重叠，把路由当作互补集合选择。
- 结果
- 在SkillRouter基准上提升召回率与完整覆盖率，多技能查询增益更大。
- 影响
- 技能路由从相关性排序转向集合选择，可直接优化智能体的上下文预算与多技能任务成功率。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。