SkillAligner：在执行时将检索到的技能视为可调整的草稿

通用技能为语言代理提供了可重用的程序知识，但语义相关性并不能保证执行实用性：检索到的技能可能会编码与当前任务、执行环境或其他检索到的技能相冲突的假设。我们将这个问题形式化为技能——执行不匹配。为了解决这个问题，我们提出了 SkillAligner，这是一个 无需训练 执行时技能适应框架，它将检索到的技能视为可适应的草稿而不是固定指令。在执行之前，SkillAligner 会执行一次性联合适应，将有用的技能片段专门用于任务要求，将其程序假设与可用的执行接口保持一致，并通过解决技能之间的依赖性、冲突和冗余来组成最终的指导。改编的内容被合并到一个紧凑的执行指南中，并在整个后续轨迹中重复使用。跨不同代理基准和模型主干的大量实验表明，SkillAligner 比现有技能使用基线显着提高了任务性能，减少了实例级别的技能引发的回归，并降低了总推理成本。