**LatentSkill：将上下文文本技能转化为权重内隐式技能，大幅减少LLM代理的提示词开销**

_LatentSkill: From In-Context Textual Skills to In-Weight Latent Skills for LLM Agents_

> LatentSkill 框架通过预训练的超网络将文本技能转化为即插即用的 LoRA 适配器，将技能知识存储在权重空间而非上下文空间，从而在每步推理中移除技能令牌。在 ALFWorld 和 Search-QA 任务上，LatentSkill 相比上下文基线，不仅成功率更高（ALFWorld 提升 21.4/13.4 分，Search-QA 提升 3.0 分），还大幅减少了预填充令牌（分别降低 64.1% 和 72.2%）。分析表明，生成的技能 LoRA 形成结构化语义几何，可通过缩放系数精确控制，并支持参数空间运算进行组合。这为 LLM 代理提供了高效、模块化且技能暴露更少的扩展途径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.06087)