**技能非一成不变：面向LLM智能体的模型感知技能对齐**

_Skill is Not One-Size-Fits-All: Model-Aware Skill Alignment for LLM Agents_

> 该研究发现，大型语言模型（LLM）智能体所依赖的外部技能库的效果高度依赖于底层模型，同一技能对不同模型可能产生截然不同的影响。为此，作者提出了MASA（模型感知技能对齐）框架，通过两阶段方法自适应地优化技能：首先，采用分层技能演化流程，结合环境反馈和模型能力，迭代优化通用及任务特定技能；其次，训练一个轻量级的模型条件技能改写器，能在单次前向传播中完成技能适配。实验证明，MASA在多个交互环境和模型上均表现最佳，相比最强基线提升可达25.8分，且改写器在未见任务和环境中泛化良好，推理成本远低于大型教师LLM。

**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/2605.30723)