NeurIPS 2026|不再依赖外挂:清华把「自我进化技能」训进 Agent 大脑

SkillMaster 将这两类效果转化为技能编辑的学习信号,训练同一个智能体根据交互经验创建、更新和保留技能,使技能进化与任务执行共同进入强化学习过程。对于候选技能编辑,系统选取一组相关的探测任务,分别使用原始技能库与临时修改后的技能库执行,直接比较修改带来的下游变化。任务执行与技能改进相互衔接,使智能体既能积累技能,也能通过训练提升改进技能的能力。

原文连接