SkillRise

论文信息

字段	内容
论文链接	arXiv 2607.26784
公司 / 机构	Zhejiang University / National University of Singapore / Shanghai Jiao Tong University / Meituan
首次公开日期	2026-07-29（arXiv v1）
原作者代码	已开源
本地 adapter / 方法 key	skillrise
本地复现代码	src/auto_research/agent_research/methods.py

原始论文总结

背景与主要改动

标准 Agent RL 把任务视为独立 episode，外部 skill bank 又把抽取、检索和执行缠在一起。 SkillRise 把相关但不同的任务排成由易到难的序列，让同一 policy 交替求解当前任务与 整理一个直接传给下一任务的 skill document；求解阶段由当前结果监督，整理阶段由折扣 后的下游任务结果监督。

flowchart LR
    T1["相关任务 1"] --> S1["Solve"]
    S1 --> C1["Curate skill document"]
    C1 --> T2["相关任务 2"]
    T2 --> S2["Solve + reuse"]
    S2 --> C2["Refine document"]
    D["下游折扣 credit"] --> C1
    D --> C2

原论文关键图

图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

对序列中第 \(i\) 个任务，solve phase 使用当前任务结果，curation phase 使用下游回报：

\[ A^{\rm solve}_i=R_i-b_i,\qquad A^{\rm curate}_i=\sum_{j=i+1}^{K}\gamma^{j-i-1}R_j-b_i^{\rm curate}, \]

两个 phase 共享 policy，但只把各自 advantage 施加到对应生成 token。

论文离线与线上效果

Qwen3-4B Pass@1：ALFWorld 85.9%、WebShop 84.4%、ScienceWorld 54.6%，分别比 最强基线高 2.3、7.1、8.5 个百分点；Pass@3 为 92.2%、96.1%、61.0%。该论文没有 生产线上 A/B。

本地复现

PlanBench mini 按 task axis 组织相关任务；每个 episode 交替执行 solve 和 curate， 成功轨迹更新 skill document，并单独记录跨任务复用与下游 credit。

auto-research agent-eval --method skillrise --benchmark planbench-mini \
  --episodes 120 --seed 42

joint success 1.0000、平均成本 0.655；创建 1 个 skill document、跨任务复用 119 次、 文档更新 120 次、下游 credit update 360 次。完整指标见 latest-cross-domain-20260730-seed42.json。

复现边界

本地验证状态演化与 credit 分离，不训练 Qwen3，也不运行 ALFWorld/WebShop/ScienceWorld； 因此不能把 mini-suite 的 100% success 与论文 Pass@k 横向比较。