SkillOpt: Executive Strategy for Self-Evolving Agent Skills

论文解决了什么问题

现有的Agent技能主要依赖手工编写、一次性生成或松散控制的自我修正。这些方式缺乏类似深度学习优化器的机制，导致技能在接收反馈后无法可靠地超越初始水平。这限制了Agent在复杂任务中通过反馈持续稳定提升能力的可能性。

核心方法

SkillOpt 将Agent技能的进化转化为受控的文本空间优化过程。该方法引入了受控自进化起点、有界编辑和拒绝缓冲区等机制来严格规范修正步骤，并利用留出验证来评估优化效果。同时，该策略支持技能在不同测试环境间的跨 Harness 迁移。

相比于手工编写、一次性生成或松散控制的自我修正，SkillOpt 引入了类似深度学习优化器的受控文本空间优化机制（如拒绝缓冲区和有界编辑），以解决现有方法在反馈下无法可靠超越起点的问题。

实验结论

• 原文未提供具体实验数字与性能对比结果
• 通过拒绝缓冲区与留出验证机制从系统层面保障优化可靠性

局限性与证据边界

适合谁阅读