港中文提出 SLIM：让大模型智能体动态管理外部技能，不再盲目堆积
2026/06/01 15:34阅读量 2
香港中文大学提出动态技能生命周期管理方法 SLIM，在训练过程中自动评估技能贡献，保留有用技能、退休无效技能、扩展缺失技能。实验表明，SLIM 在 ALFWorld 和 SearchQA 任务上平均超出最佳对比方法 7.1 个百分点，有效解决了技能盲目堆积或全数删除带来的性能损失问题。
事件概述
大模型智能体在复杂任务中（如网页搜索、工具调用、具身机器人）需要外部技能辅助，但传统做法要么持续累积技能导致检索干扰，要么试图全部内化技能导致长尾能力丢失。香港中文大学团队提出 Dynamic Skill Lifecycle Management for Agentic Reinforcement Learning (SLIM)，将外部技能视为有生命周期的动态系统，在训练过程中基于贡献判断对技能进行保留、退休和扩展。
核心方法
SLIM 采用 leave-one-skill-out 验证来估计每个技能的边际外部贡献：
- Retain（保留）：技能显著提升任务表现时继续保留。
- Retire（退休）：技能贡献长期很低时删除，减少噪声和上下文负担。
- Expand（扩展）：当前技能库无法覆盖的失败区域，从失败案例中总结新技能补充。
技能分为通用技能和任务专属技能，每次任务只检索当前 active skill set 中的相关技能，降低无关干扰。训练循环交替进行 policy 更新（GRPO）和技能审计。
实验结果
基础模型采用 Qwen3-4B，在 ALFWorld（模拟家庭动作任务）和 SearchQA（搜索问答）上验证：
- 整体表现：SLIM 平均超过最佳对比方法 7.1 个百分点。
- ALFWorld 成功率 87.5（基线 SkillRL 为 75.0），SearchQA 得分 41.0（基线 Skill0 为 39.3）。
- 消融实验：去掉退休机制或扩展机制后性能明显下降；随机管理技能效果更差；固定技能数量也不如 SLIM。
- 最终技能数：SLIM 保留 21 个技能，既非越多越好也非全删除。
案例分析表明，技能使用频率高不一定贡献大，低频技能可能对特定任务关键；新增技能后期也可能变得冗余。
意义与启示
SLIM 挑战了“技能持续累积”和“零技能推理”两种极端做法，提出外部技能集合应与 policy 一起进行动态优化。常见能力适合内化到模型参数，低频但重要的流程适合外部保留。该方法使智能体不只是学会做任务，还学会判断何时需要外部帮助，更适合长流程、工具依赖型任务。