כתבה
arXiv cs.AI ·
Rep2Skill: התפתחות מיומנויות באמצעות ייצוגים פנימיים
Rep2Skill: Representation-Guided Skill Self-Evolution for LLM Agents
Rep2Skill היא שיטה חדשה לשיפור מיומנויות של סוכנים מבוססי LLM. היא עושה זאת על ידי ניתוח הייצוגים הפנימיים של הסוכן, ולא רק על ידי ניתוח טקסט. השיטה הוכחה כיעילה בניסויים עם שני סביבות סוכן ושני LLM פתוחים.
תקציר מקורי באנגליתarXiv:2609.39149v1 Announce Type: new Abstract: Textual skills enable large language model (LLM) based agents to accumulate reusable procedural knowledge without updating model parameters. Yet existing skill evolution remains largely confined to the text space: an optimizer must diagnose success and failure patterns, and revise skills solely from long execution trajectories and sparse task outcomes. This text-only paradigm leaves the agent's internal representations, which contain rich records of its evolving execution state, outside the skill optimization loop. We ask whether an agent can improve its external textual skills by reflecting on its own internal representations. We introduce Rep2Skill, a representation-guided framework for self-evolution on agent skills. Specifically, upon the
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית