正在补充深度解读,当前内容可以先阅读
论文解决了什么问题
技能仓库变大后,怎样让每次修改都得到可复现、可比较且能阻止回归进入下游工作流的质量信号?
核心方法
为每个技能定义评测契约和结构化运行工件,将执行器与评分器分离,在 CI 中对首次尝试评分并追踪后续自修复。
实验结论
- 生产技能验证中,表面 100% 通过的自评分被转化为可审计的首次失败信号,并能生成基于证据的修复建议
适合谁阅读
为技能建立 CI避免自评分偏差版本回归测试智能体Agent Skills
可核验的原论文来源和作者
- 作者
- Tejas Singh Anand、Yuet Ying Christina Wang、Wanting Jiang 等
- 来源
- arXiv
- 论文 ID
- 2607.16345