技能-V：交互式代理的可验证自我进化技能库

交互式代理可以将经验转化为可重用的技能，而现有的自我进化技能库主要通过积累新知识来改进。失败可能会带来新的技能，而随着新证据的出现，以前存储的技能很少会被重新审视。然而，仅增长并不能确保可靠性，因为检索到的技能可能在当前任务条件下不适用，并且现有技能可能会编码错误指定的操作边界。因此，可靠的技能发展不仅需要增加知识，还需要测试和修改已经存储的知识。我们引入 Skill-V，一个可验证的自我进化技能库。为了使存储的知识可测试，我们建议将技能表示为版本化的、可证伪的合约，将语义意图与可观察的行为标准联系起来。我们利用环境成果来推动图书馆的发展。具体来说，任务失败会激发技能增加，而合同评估和任务结果之间的分歧则引导对现有技能边界的修改。为了验证这些修订，我们要求它们保留 受保护的语义约束并满足历史重放证据的标题结果指标的非回归标准。最后，我们采用适用性感知过滤器来排除那些确信不适合当前任务的候选者。在 ALFWorld 和 WebShop 中，Skill-V 的成功率分别达到 95.3% 和 85.9%，同时保持比面向增长的基线更紧凑的技能库。适用性感知过滤减少了错误的技能调用，基于结果的修订可以纠正错误指定的技能边界，而不会降低先前观察到的证据的性能。这些结果表明，可靠的技能发展需要的不仅仅是积累经验：图书馆必须了解要保留哪些知识、何时修改知识以及何时应用知识。