FederatedSkill：用于代理技能进化的联邦学习

现代 LLM 代理越来越依赖技能库来处理复杂的任务，使技能进化成为自我提升的主要驱动力。然而，孤立的单用户任务流缺乏培养综合技能所需的多样性。虽然跨用户协作可以克服这一数据瓶颈，但当前的轨迹共享方法会损害用户隐私，并强加一个无法适应客户端异构性的统一全局库。我们介绍 FederatedSkill，一个用于协作代理进化的隐私保护框架。 FederatedSkill 超越了原始轨迹共享，利用语义技能差异、本地库上的结构化补丁作为通信的基本单位。在服务器端，进化代理聚合这些补丁以动态地模拟客户端特定的能力边界，促进严格的个性化技能进化，而不是次优的全局平均水平。通过对 20 个不同的代理任务系列进行评估，FederatedSkill 表现出相对于自我进化基线的巨大进步，成功率提高了 44.4%，计算成本降低了 37.5%。