**SkillAdaptor：面向LLM智能体的自适应技能框架**

_SkillAdaptor: Self-Adapting Skills for LLM Agents from Trajectories_

> 该研究提出SkillAdaptor，一种无需训练的步骤级技能自适应框架，用于解决大型语言模型（LLM）智能体在复杂交互任务中的技能更新问题。现有方法通常基于完整轨迹或会话级反馈进行技能调整，导致失败归因粗糙、修订不稳定。SkillAdaptor通过识别失败轨迹中的首个可操作故障步骤，将责任链接到候选技能，并在骨干模型冻结的情况下进行针对性更新，支持显式验收检查。实验在WebShop、PinchBench和Claw-Eval上进行，使用Kimi-K2.5、GLM-5和GPT-5.2等模型，结果显示在所有测试套件上均优于无技能和技能自适应基线，最大单指标提升包括PinchBench平均分+1.5%、Claw-Eval平均分+1.8和WebShop成功率+1.7。这表明步骤级归因有助于实现更稳定、可审计的无训练技能维护。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.01311)