技能还是跳过？通过双粒度偏好学习学习代理任务中的选择性技能调用

代理技能是可调用的程序模块，为复杂的代理任务提供可重用的知识和执行策略。然而，现有的方法主要侧重于选择相关技能或提高技能本身，而忽略了在当前决策点是否应该实际调用相关技能。无用的调用可能会引入不相关的上下文并破坏原本正确的执行过程。为了解决这个问题，我们提出了 SelSkill，一种用于选择性技能调用的双粒度偏好学习框架。 SelSkill 将技能使用制定为“技能或跳过”决策，使用预测不确定性来确定候选决策点的优先级，并从共享轨迹前缀构建受控的调用​​-跳过偏好对。它进一步将情节级结果偏好与步骤级调用偏好结合起来，以捕获整体轨迹质量和技能调用的局部有效性。在使用 Qwen3-8B 的 ALFWorld 上，SelSkill 的任务成功率比启用技能的基线提高了 10.9 点，比无技能的基线提高了 7.8 点，执行精度提高了 29.1 点。在 BFCL 上，任务成功率和执行精度分别提高了 5.7 点和 29.5 点。 Tau-bench 和 PopQA 上的零样本结果表明部分转移到了未知的领域和技能。