跳转至

CaSKG：反事实因果校准的技能图检索

复现级别：核心机制 mini-suite。 真实执行论文特有的控制流/目标；未把确定性任务成功率当作论文 benchmark 复现。

论文信息

字段 内容
论文链接 arXiv 2608.25500
公司 / 机构 Jilin University / Ant Group（第一作者第一署名单位）
首次公开日期 2026-08-26（arXiv v1）
原作者代码 是：GitHub
本地 adapter / 方法 caskg
本地复现代码 src/auto_research/agent_research/latest_20260827.py

原始论文总结

背景与主要改动

先从语义、词法、I/O 和结构证据建高召回有向图，再以 remove、substitute、reorder 三类文本反事实探针校准边，Bayesian smoothing 后只发布可靠关系。

flowchart LR
  I[任务与当前状态] --> M[candidate graph / counterfactual probe / Bayesian publish]
  M --> O[策略动作或训练目标]
  O --> E[可审计指标与反馈]
  E --> M

原论文关键图

CaSKG：反事实因果校准的技能图检索 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的整体流程、关键阶段及其数据流向。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

\[ p(e_{ij}|D)=\frac{\alpha_0+s_{ij}}{\alpha_0+\beta_0+n_{ij}},\qquad G^*=\{e:p(e|D)>\tau\}. \]

论文离线与线上效果

相对 Graph-of-Skills，六模型宏平均 ScienceWorld 72.62 → 80.50、ALFWorld 80.01% → 86.79%，同时减少环境步数。

本地复现

L2 隔离能力评测（主结果）

CaSKG 从训练 split 学习可复用 skill 路由，在隔离 test 上结合图式记忆与候选验证调用工具。ToolRoute-L2.1 三 seed 的 joint success 为 0.8000，plan step F1 为 0.8327，平均成本 5.0116。

指标见 metrics/toolroute-l2-seeds42-44.json。下方 PlanBench-mini 只作机制诊断。

本地对照口径：PlanBench-mini 120 episodes，joint success 1.0000、平均成本 0.5200；关注 counterfactual probes、Bayesian edge updates 和图规模。

指标见 metrics/caskg-planbench-mini-seed42.json。 批次索引见 ../../experiments/latest-20260827-seed42.json。

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

复现边界

本地 mini-suite 用公开、确定性的候选/计划任务隔离机制差异；论文 checkpoint、私有训练数据、外部服务和完整 benchmark 均未声称已复刻。