论文提出流驱动框架 SkillFlow，用训练信号指导智能体技能演化。
资讯摘要
论文提出 SkillFlow，一个基于流的智能体编排框架，以可训练的 Supervisor 作为智能体，在含动态技能库与冻结执行器的结构化环境中通过多轮交互完成任务编排。作者称其采用 Tempered Trajectory Balance 回归式流匹配损失，按奖励比例采样轨迹以保留多样策略，并由同一目标联合学习反向策略实现零额外推理成本的逐步信用分配；递归技能演化机制据此决定何时演化、创建或剪枝技能。作者报告在 14 个数据集上于问答、数学推理、代码生成和交互决策任务中优于基线。
要点速读
- 论文提出 SkillFlow，用可训练 Supervisor 与动态技能库、冻结执行器构成结构化环境，通过多轮交互完成编排。
- 采用 Tempered Trajectory Balance 流匹配损失按奖励采样轨迹，并联合学习反向策略提供逐步信用分配。
- 递归技能演化机制依据流诊断决定何时演化及技能创建或剪枝；作者报告在 14 个数据集上优于基线。
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 2026/10/24 08:00:37（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。