MIND-Skill：经多智能体归纳与演绎的质量保证技能生成

摘要

由大语言模型 (LLM) 支持的人工智能代理已成为自主解决问题的一种有前途的范例，但它们仍然在处理复杂的、多步骤的现实世界任务，这些任务需要特定领域的程序知识。可重复使用的代理技能包含了成功的问题解决策略，通过使代理能够建立在先前经验的基础上，提供了一种自然的补救措施。然而，培养这些技能在很大程度上仍然是一项手动工作，需要人类专家将丰富的领域知识提炼成可操作的指南。在这项工作中，我们提出了 $\textbf{M}$ulti-agent $\textbf{IN}$duction 和 $\textbf{D}$eduction for $\textbf{Skill}$s ($\textbf{MIND-Skill}$)，这是一个框架，可以自动从成功的轨迹中引入可推广的技能，并具有可靠的质量保证。 MIND-Skill 由一个诱导代理（其任务是从成功的轨迹中抽象出可重复使用的技能）和一个演绎代理（其目的是通过遵循诱导技能来重建轨迹）组成。为了保证生成技能的质量，我们引入了一个比较输入和重建轨迹的重建损失，一个强制重建轨迹正确性的结果损失，以及一个评估文档质量并根据预定义标准规范生成技能的抽象级别的标题损失。这些文本损失与 TextGrad 联合优化，并根据优化过程中未见的保留任务来评估由此产生的技能。 AppWorld 和 BFCL-v3 上的实验表明，MIND-Skill 始终优于并发技能生成方法。

MIND-Skill：经多智能体归纳与演绎的质量保证技能生成：论文配图 — 图 1：MIND-Skill 概述。归纳代理 𝒜I\mathcal{A}_{I} （带有可优化提示 𝒫I\mathcal{P}_{I}）将成功的轨迹 τ\tau 抽象为结构化技能文档。然后，演绎代理𝒜D\mathcal{A}_{D}（带有冻结提示𝒫D\mathcal{P}_{D}）尝试仅通过遵循实时环境中的诱导技能和任务规范来重建轨迹。三个文本损失评估生成技能的质量：重建损失测量 τ\tau 和 τ^\hat{\tau} 之间的程序对齐，结果损失评估 τ^\hat{\tau} 针对环境的结果正确性，标题损失评估文档质量并规范技能本身的抽象级别。基于文本的优化器聚合其文本反馈，以通过 TextGrad 更新归纳提示 𝒫I\mathcal{P}_{I}。为了视觉清晰起见，图中省略了任务规范 tt。