SkillForge：持续验证而非只追加的技能库

复现级别：核心机制 mini-suite。 技能被显式调用，并根据环境证据更新 posterior 与修订状态。

论文信息

字段	内容
论文链接	arXiv 2608.24747
公司 / 机构	AMAP，Alibaba Group（第一作者第一署名单位）
首次公开日期	2026-08-25（arXiv v1）
原作者代码	否：未发现公开代码（核查日期：2026-08-26）
本地 adapter / 方法	skillforge
本地复现代码	src/auto_research/agent_research/latest_20260826.py

原始论文总结

背景与主要改动

SkillRL 类方法从轨迹提取技能后只追加，错误和过时技能会永久污染库。SkillForge 让 policy 输出环境动作时显式选择技能，把调用决策纳入 RL；成功、失败和对比轨迹经多路径 induction 生成候选，环境证据再决定激活、修订或去重。

flowchart LR
  Q[任务] --> R[top-K 技能目录]
  R --> C[显式 skill call + 环境动作]
  C --> V[环境证据验证]
  V --> I[成功/失败/对比 induction]
  I --> B[增长、修订、去重技能库]
  B --> R

原论文关键图

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。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

\[ \max_{\theta,\mathcal B}\;\mathbb E_{d\sim\mathcal D,\tau\sim\pi_\theta(\cdot\mid d,\mathcal B)}[r(\tau)], \]

\[ \mathcal S_{ret}=\operatorname{TopK}_{s\in\mathcal B}\cos(e_d,e_s),\quad a_t=(a_t^{env},c_t). \]

论文离线与线上效果

无冷启动初始化时，相对 SkillRL 平均提高 6.3%；Qwen3-4B 在 ALFWorld/WebShop/AppWorld 分别报告总体 87.9 / 84.0 / 44.6。无工业线上 A/B。

本地复现

PlanBench-mini 120 episodes：创建 12 个技能、复用 108 次，joint success 1.0000，平均成本 0.6200。指标见 metrics/planbench-mini-seed42.json，批次索引见 ../../experiments/latest-20260826-seed42.json。

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

复现边界

本地用结构化 plan 作为技能内容，执行调用、验证、posterior 与修订控制流；未运行 LLM teacher induction、ALFWorld/WebShop/AppWorld 或 RL 训练。