论文解决了什么问题
大语言模型代理在引入外部技能时，往往会出现意想不到的能力回退现象，导致整体表现受损。本文旨在探究这种“回归税”的成因，试图回答技能为何在帮助代理的同时也会对其决策与执行链路造成伤害。
核心方法
作者提出对技能带来的收益与伤害进行拆解分析，重点考察描述渗透、Grounding和验证偏移等机制对代理行为的影响。研究采用了配对评测方法，以隔离和量化技能在不同任务场景下的正向与负向效应。具体的算法设计与实验流程在给定输入中未给出。
实验结论
- 由于输入缺失正文，具体的可核验实验结论在原文中未给出。
- 具体的量化结果与性能指标在原文中未给出。
- 技能收益与伤害的适用边界和失败模式在原文中未给出。
局限性与证据边界
- 具体的实验设置与数据集
- 量化的性能指标与回退幅度
- 技能伤害的具体失败模式与适用边界
- 作者所属机构
适合谁阅读
研究LLM Agent技能学习、能力回退及推理规划机制的研究者。Agent 系统技能学习推理与规划评测
可核验的原论文来源和作者
- 作者
- Tank, Darshan, Nama, Baran
- 来源
- arXiv
- 论文 ID
- 2607.22520