SkillFlow：面向智能体编排的流驱动递归技能演化

近年来，多种强大的基于LLM的智能体系统被用于通过任务编排自动化复杂任务。然而，现有编排方法仍面临关键挑战，包括奖励最大化下的策略坍缩、高梯度方差与不透明的贡献归因，以及缺乏引导的技能演化——其决策通常靠直接提示LLM判断作出，而非源自原则性的训练信号。为应对这些挑战，我们提出SkillFlow，一个基于流的框架，它以可训练的Supervisor作为智能体，以带有动态技能库与冻结执行器的结构化环境作为环境，通过多轮交互自动执行任务编排。SkillFlow采用温控轨迹平衡（Tempered Trajectory Balance，TTB），一种基于回归的流匹配损失，按与奖励成比例的方式采样轨迹，保留多样的编排策略而非坍缩到单一模式。同一流目标还产生一个联合学习的反向策略，以零额外推理成本提供透明的逐步贡献归因。基于这些流诊断，递归技能演化机制决定何时演化、创建或裁剪哪些技能、决策缺口在哪里——闭合从训练信号到自主能力增长的循环。在14个数据集上的实验结果表明，SkillFlow在问答、数学推理、代码生成和真实世界交互决策任务上显著优于基线。我们的代码发布于https://anonymous.4open.science/r/SkillFlow-E850。