SkillRise：用于跨任务技能演化的智能体强化学习

SkillRise 是一个统一强化学习框架，用于跨任务技能学习。它组织相关实例为渐进挑战序列，单一策略交替执行任务和提炼技能文档，并通过解耦信用分配监督。实验显示在 ALFWorld、WebShop 和 ScienceWorld 上 Pass@1 性能最强，比最强基线提升 2.3 到 8.5 个百分点，且测试时扩展有效。

此前技能学习要么重复单一任务，要么使用多阶段管线，将提取、检索和执行纠缠在一起。SkillRise 提出统一框架，能在相关但不同的任务间学习并复用技能，显著提升性能，同时降低运行时开销，这改变了技能学习的范式。

SkillRise 将相关实例排序为渐进难度序列，并让单一策略同时负责任务解决和技能文档的提炼，该文档直接传递给下一个任务。信用分配跨任务解耦：当前任务结果监督解决，打折的下游结果监督提炼。测试时，相关任务序列越长，性能越好，表明它复用可迁移技能而非依赖重复采样。

对于构建智能体产品的团队，SkillRise 可能降低技能学习成本并提高跨任务泛化能力。它减少了多阶段管线的运行开销，使技能提炼和检索过程更简单高效。其测试时扩展特性意味着，在任务序列较长时表现更优，有利于处理复杂多步任务的场景。

• 开发跨任务技能复用平台，用于客服或运维自动化，利用 SkillRise 提升新任务表现。
• 将 SkillRise 集成到现有 agent 框架，减少多阶段管线复杂度，降低运行时成本。
• 基于其测试时扩展特性，设计相关任务链引导用户操作，提升任务成功率。

• SkillRise 在不同模型规模和任务类型上的泛化能力如何？
• 技能文档的可解释性和可编辑性如何？
• 实际部署中的稳定性如何？
• 与提示工程和微调相比，SkillRise 的实际收益如何？