叶级动作接地可复用，提升任务完成率并减少宿主模型推理。
资讯摘要
论文提出 LeafSkill，一个位于模型参数之外的外部复用层，用于递归 LLM 智能体的叶级动作接地：它检索语义相关的接地经验，把动作模板绑定到当前对象与环境允许的动作，再用 1.7B 轻量选择器决定采用绑定动作还是交回原智能体。作者报告在词汇与句法改写下语义检索保留 96.0% 与 97.0% 候选覆盖，冻结选择器采用 97.34% 未见技能类型。
要点速读
- LeafSkill 将叶级动作接地经验存于模型参数之外，冻结的选择器可复用训练后新增技能。
- 作者报告语义检索在改写条件下保留 96.0% 和 97.0% 候选覆盖，精确匹配则检索不到参考动作。
- 在 200 个 Robotouille 任务的独立确认集上，LeafSkill 完成 137 个任务，ReCAP 完成 121 个（68.5% vs 60.5%，McNemar p=.0259）；两者均完成的 106 个任务上 Qwen3.5-27B token 减少 14.42%、调用减少 14.08%。
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 2026/10/27 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。