★ 3
SkillScriptBench：智能体技能包自进化评测
论文提出 SkillScriptBench，一个 350 任务的基准，用于分别评估可执行智能体技能包在文档修复、脚本修复与保持正确行为三方面的自进化能力。基于 3.5 万个 GitHub 技能库筛选 100 个包构建任务，发现同时编辑文档与脚本的方法并不能稳定优于仅改 Markdown。作者提出 …
arXiv cs.AI26 天前
#智能体技能
共 7 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
编码智能体成本低效行为分析与缓解
研究首次系统分析编码智能体的行为性成本低效，基于 Claude Code 与 Mini-SWE-Agent 在 SWE-bench Verified 上的 1200 条轨迹，识别出子集化检索、重复脚本生成、测试重执行三类行为。这些行为影响 79%–98% 的任务，最高占任务成本 22.75%。开发…
arXiv cs.AI34 天前
★ 3
子智能体 vs 智能体技能：长周期任务中可复用知识的执行方式
论文对比了智能体技能的两种执行方式：将技能指令载入主上下文，或将技能包作为子智能体调用并开启全新上下文窗口。结果显示，当技能包具备清晰输入输出契约时，子智能体执行优于技能加载执行，因为长任务中上下文累积会削弱推理质量。代价是主智能体与子智能体之间的额外通信开销。
arXiv cs.AI52 天前
★ 2
SkillCT：智能体技能质量多维评测基准发布
论文推出 SkillCT，把智能体技能评估从下游任务执行扩展到九个维度的质量刻画，涵盖静态规范、跨模型行为稳定性与人工辅助评估。基于公开技能语料建立参考基准，并提出免执行的质量预测基线，降低 token 消耗与评估时间；SkillCT 指导的优化还能提升下游任务成功率。
arXiv cs.AI2 天前
★ 2
智能体技能下游效用实证研究：87 项任务分析
论文对 87 项 SkillsBench 任务开展实证研究，定义下游效用为同模型同框架下相对无技能基线的通过率差异。研究发现同一技能在 36.78% 任务上帮助部分配置却损害另一些配置，推荐流程可能成为执行负担，相关性排序会忽略更有用的候选。按所需操作支持重排序可将首选通过率提升 4.35-5.8…
arXiv cs.AI24 天前
★ 2
技能何时有用：任务条件化增益预测
论文发现智能体技能常无收益甚至损害性能并增加token成本，提出SkillDelta框架，从同一智能体有无技能配对的执行历史预测任务条件化技能增益。局部预测器无需重训智能体即可将历史增益迁移到新任务，并在显式迁移假设下将支持覆盖、表示失配与执行噪声关联到预测误差与决策后悔。在五个基准三个目标智能体…
arXiv cs.AI33 天前
★ 1
AI Economist：可安装的宏观经济 Nowcasting 智能体技能
AI Economist 是一个可安装的智能体技能，用于宏观经济 nowcasting、央行政策诊断和经济学家式解读。机器学习作为辅助校准层，技能包含 SKILL.md 和 Python 运行时，支持实时数据拉取与回测。
Hacker News – AI24 天前