SkillVine：通过分支探索进行Agent技能进化

Agent技能封装了可重用的程序知识，使 LLM Agent能够执行任务，并且可以使用与环境交互的轨迹自动改进它们。这是技能进化的经典问题。现有方法主要遵循线性演化范例，其中更新按顺序应用于最新的技能库版本。结果，它们不可避免地陷入局部最优，从而留下许多有前途的进化路径未被探索。我们提出了 SkillVine，一种自动技能进化框架，它将技能进化表述为图搜索问题并采用分支探索策略。 SkillVine配备了主干-分支协同搜索机制、智能父节点选择器和自适应粒度更新规则，实现了探索与利用之间的平衡。我们通过 5 个基准对两名LLM进行了评估 SkillVine。结果表明，SkillVine 沿着分支发现了比沿着线性主干更好的技能库版本，并在十个基准模型组合中的九个中实现了最佳测试性能。