更好、更快、更强：程序化技能学习最能降低座席成本

最近，通过技能增强 LLM 座席能力的做法已经盛行。我们通过学习技能探索代理对新领域的成本有效的适应。现有的工作侧重于性能增益而不是成本效益。因此，人们对哪些技能学习策略可以节省成本知之甚少。我们认为，在所有不同的技能学习方法中，将技能视为程序的方法可以实现最好的成本降低。通过确定性地执行一系列动作，程序增强代理可以可靠且廉价地实现目标，否则需要反复试验并冒长期退化行为的风险。代理可以通过逐步发现这些程序并为未来的任务配备它们来在推理时进行学习。我们假设过去的轨迹包含足够的信号来指导技能学习，即使没有重播或验证，只要代理能够学会分析它们。为了测试我们的主张，我们提出了 SpeedRunner，这是一个 编码智能体，它可以分析轨迹并重构技能，以便在未来的任务中获得更好的表现。在三个不同的具体环境中，我们表明 SpeedRunner 在学习和降低成本方面始终处于领先地位，同时对分布变化和环境随机性保持鲁棒性。