假设驱动的LLM智能体技能优化

外部技能可以在不改变模型权重的情况下改进面向行动的 LLM 智能体，但是当从稀疏或嘈杂的轨迹中提取技能时，持续的技能更新是有风险的。合理的反射可能编码有用的过程、虚假的快捷方式或目标执行器无法可靠遵循的规则。我们提出假设驱动技能优化（HDSO），这是一种免训练框架，其中技能管理者和代理执行者都是冻结的推理端点。管理者观察执行者的踪迹，提出具有明确验证计划的可证伪假设，将假设实例化为候选技能包，通过配对控制/处理执行验证该包，审查行为差异，并将仅支持的候选者合并到批准的存储库中。执行者通过渐进式披露来消耗批准的技能，在未选择技能时保留仅执行者的路径。在 ALFWorld 上，HDSO 将仅执行程序的基线平均提高了 +6.9。 Qwen3-8B的SR点数和Qwen3.6-27B的+4.0点。在技​​能发现和验证过程中，在 20% 随机翻转成功/失败反馈的情况下，HDSO 为 Qwen3-8B 保留了 +7.1 分的增益。传输和异构对诊断进一步表明，经过验证的存储库在生成它们的运行之外也很有用，但只有当管理者诊断、执行者能力和验证证据一致时，跨模型管理才能成功。 HDSO 为冻结的动作代理提供了可审核的技能生命周期，而不是不受约束的记忆积累过程。