SELM：面向多技能智能体优化的自进化技能库管理

资讯摘要

论文提出 SELM（Self-Evolving Library Management）框架，将技能进化视为库级管理，联合处理技能检索、更新与生命周期，并维护技能置信度和效用信号。作者报告在四个覆盖不同任务与执行环境的智能体基准上，SELM 在多数设置中表现更优。

要点速读

• SELM 引入效用感知检索以选择有用技能，并用 Map-Reduce 框架从任务经验生成针对性更新。
• 框架通过生命周期控制依据有效性保留或移除技能，使技能库跨任务积累经验。
• 作者在四个智能体基准上评估，报告 SELM 在多数设置中优于对比方法。

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 2026/10/20 21:06:32（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。