论文
SkillGATE：用于技能检索的门感知蒙特卡罗树搜索
SkillGATE: Gate-Aware Monte Carlo Tree Search for Skill Retrieval
摘要
技能检索 (SR) 旨在从外部技能库中识别最相关的技能，随着库规模和多样性的增长，技能检索变得越来越具有挑战性。现有的方法要么独立地对技能进行排名，要么依赖于预定义的图传播和分层路由，这使得它们容易受到语义干扰、局部陷阱和早期路由错误的影响。我们将 SR 表述为一种自适应信息搜寻过程，根据搜索过程中观察到的效用和不确定性，协调区域级导航和技能水平选择。基于这个公式，我们提出了 SkillGATE，一种具有门感知蒙特卡罗树搜索 (MCTS) 的图引导分层检索框架。 SkillGATE 构建了一个保留图的分层索引，并通过选择、扩展、模拟和反向传播来执行自适应检索。 G-PUCT 指导动作选择、扩展探索新区域、模拟评估候选人技能、反向传播更新搜索统计数据。六个 SR 基准的实验表明，SkillGATE 持续改进多样化检索和重新排序骨干模型，与基于最强检索器的基线相比，总体 R@1 提高了 16.3%。我们的代码可在 https://github.com/Edwinbe/SkillGATE-v1/. 获取
