检索前想象：LLM 智能体的预期技能检索

技能检索最近已成为一种有前景的范例，用于从技能库中识别所需的执行指南，从而为 大语言模型 (LLM) 代理配备程序知识来完成指定的任务。为此，大多数现有方法定制检索模型或重新配置检索管道，以优先考虑与任务查询语义最相关的技能。然而，我们的经验表明，任务查询和技能是从不同的角度自然地制定的，即面向目标和面向过程，导致了一个未被充分研究的问题，称为查询-技能错位（QSM）。显然，在 QSM 的背景下关联所需的技能是令人畏惧的，甚至是不可能的，从而阻碍了智能体正确执行任务。作为一种补救措施，受人类前瞻性认知的启发，我们提出了 SkillDreamer，这是一种减轻 QSM 问题负面影响的新颖框架。简而言之，SkillDreamer首先推断任务执行所需的能力，然后想象如何通过生成伪技能来实现这些能力，最后利用这些前瞻性信息来弥合面向目标的任务查询和面向执行的技能之间的差距。 SkillRet 和 SkillUsage 上的大量实验不仅验证了 SkillDreamer 在技能检索和端到端任务执行方面的有效性，而且还证明了其在不同检索模型和管道中的通用性。该代码将在接受后发布。