SkillAA：以归因、定向验证和回滚更新技能图

摘要

外部技能无需更新参数即可提供领域流程，但现有方法往往直接依据失败轨迹编辑技能，缺乏从所观察失败到可编辑位置的结构化路由；现有技能图也没有充分利用语义边界、对象地址和拓扑依赖来支持检索、定向更新及范围受控的验证。我们提出SkillAA（Skill Abductive Attribution），一个面向冻结语言模型的结构化技能优化框架。它在统一图中表示技能适用性、执行和组合，使同一结构同时支持技能选择、基于归因的修复和更新验证。SkillAA对比成功与失败执行，将候选修复路由到具体图对象，只修改选中的局部结构，并在提交前使用Local Gate与Big Gate筛选候选变化。使用gpt-5.6-sol时，SkillAA在SearchQA、LiveMath和DocVQA上分别达到81.5%、66.7%和91.2%，并在每种主要设置中取得观测到的最高均值。结果支持基于归因的图编辑和基于图范围的验证的实用价值。

SkillAA：以归因、定向验证和回滚更新技能图：论文配图 — 图 1：从失败的部署到有针对性的技能修复。现有的技能系统可以组织和组成可重用的过程，但仅失败的推出并不能揭示候选修复是否应解决触发器、执行步骤、排除边界、技能关系或一次性执行失误。 SkillAA 对比成功和失败的证据来选择候选图形对象，仅编辑该位置，并重新测试受影响的技能和案例。被拒绝的候选者将回滚到原始计划，而经过验证的修复将保留用于后续任务。