资讯摘要
论文提出 TrackRL，一个以技能追踪驱动技能库全生命周期管理的智能体强化学习框架。作者将 GRPO 组内采样转为在线随机对照实验，通过独立随机注入与同任务组内对比隔离每个技能的真实贡献，并以可靠性加权聚合累积证据。据此持续追踪技能效用与模型掌握度，将技能生命周期建模为证据门控的状态转移过程，并用软容量上限控制技能库增长。作者报告其在有技能库辅助与无技能评估中均优于近期基线。
要点速读
- 论文指出，现有技能库系统因共同检索技能间的搭便车、跨任务混淆及缺乏技能级反事实证据，难以识别单个技能的真实贡献。
- TrackRL 在 GRPO 组内做独立随机注入与组内对比，隔离各技能贡献，并用可靠性加权聚合跨组累积证据。
- 作者将技能生命周期表述为证据门控的状态转移过程，覆盖生成、准入、保护性孵化、保留、退役或移除，并以软容量上限控制库增长。
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 21:06:31（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。