Teach-Abstract-Apply：面向协作机器人的对话式任务学习框架

论文提出 TAA 框架，让协作机器人从对话中学习并复用技能。

资讯摘要

论文提出 Teach-Abstract-Apply（TAA）框架，让操作者用自然语言向协作机器人教授新工作流，将流程抽象为可复用技能，并在不同场景中应用。作者以协作结构搭建任务为案例，用开放权重模型 Qwen3-Coder 与闭源模型 GPT5.2-Codex 在自博弈和跨模型配置下评估，报告技能抽象能提升任务成功率并降低交互成本；初步人在回路研究提示该流程也可配合人类指令使用。

要点速读

1. TAA 框架包含三步：自然语言教授工作流、抽象为技能、在不同设置中应用技能。
2. 案例为协作结构搭建任务，评估使用 Qwen3-Coder 与 GPT5.2-Codex，覆盖自博弈和跨模型配置。
3. 作者报告技能抽象提升任务成功率、降低交互成本，初步人在回路研究提示可配合人类指令。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。