SkillComposer：学习发展代理技能以进行规范化和泛化

代理技能由指导代理推理和行动的可重用策略组成，已显示出在推理时提高模型能力的强大潜力。然而，当前的技能构建方法将问题视为一次性提取，忽视了一个根本的张力：针对特定任务定制的技能无法迁移，而抽象的技能往往提供不足的指导。我们将这种脆弱性归因于缺乏明确的技能规范和泛化机制。为了解决这一差距，我们引入了 SkillComposer，这是一个将技能构建分解为三个可学习操作的框架：创建、改进和合并。 SkillComposer 通过系统拒绝采样方法进行训练，使语言模型能够在推理时自我进化技能，并支持三种部署模式：离线构建通用库、在线用于特定任务的细化以及混合两者的结合。 $τ^2$-Bench、LiveCodeBench v6 和 AppWorld 上的综合实验表明，SkillComposer 始终优于基线。我们的 SkillComposer-4B 将 27B 执行器在代理任务上提高了 4.5 倍，在代码任务上提高了 3.4 倍，同时泛化了训练期间未见的领域和任务类型。分析表明，合并和改进解决了正交质量维度，并且技能构成是一种可转移的元能力，为技能增强推理提供了实用的方法。