机器之心 (微信公众号)T2·78 分
清华 SkillMaster 让智能体自主进化技能
原标题:NeurIPS 2026|不再依赖外挂:清华把「自我进化技能」训进Agent大脑
- 技能管理被纳入智能体策略,与任务执行在同一强化学习过程中联合优化
- 以「失败任务转成功」和「成功任务步骤减少」两类效果作为技能编辑的奖励信号
- 摆脱对外部教师模型与预设规则的依赖,为递归自我改进提供可训练路径
AI 聚合热点事件 · 2026/11/16
清华大学李勇团队提出 SkillMaster,将技能的创建、更新与保留纳入智能体自身的策略,与任务执行共同进行强化学习,不再依赖外部教师模型或预设规则。该方法以「失败任务后续更易成功、成功任务步骤更少」作为技能编辑的学习信号,论文已被 NeurIPS 2026 录用。
曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。
原标题:NeurIPS 2026|不再依赖外挂:清华把「自我进化技能」训进Agent大脑