论文提出按运行时状态动态选择技能粒度的编码智能体框架。
资讯摘要
论文提出自适应技能粒度框架，将技能粒度视为一种动作抽象策略，依据任务结构、执行状态和宏技能失败情况动态选择执行方式。系统由基于特征的粒度控制器和有限状态恢复执行器组成，并在确定性编码智能体协议下用验证器判定成功、总成本及宏采用率、失败恢复、路由匹配等过程指标进行评估。作者报告，固定宏执行在适用时高效但失配时脆弱，运行时路由与显式宏到微恢复能提升鲁棒性并恢复受控的宏失败。
要点速读
- 论文将技能粒度建模为动作抽象策略，条件包括任务结构、执行状态与宏技能失败。
- 系统结合基于特征的粒度控制器与有限状态恢复执行器。
- 作者报告运行时路由和宏到微恢复可提升鲁棒性，并恢复固定粒度执行未能解决的受控宏失败。
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。