热点事件持续更新
研究团队提出LLM智能体技能内化度量方法以优化技能淘汰
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月26日，新研究提出通过模型在无辅助任务上的得分来度量大语言模型（LLM）智能体的技能内化程度，旨在改进技能中心的技能淘汰机制。评测结果显示，在4个模型中，原有单纯依赖增益的淘汰规则移除了超半数的未覆盖技能；而基于无辅助任务得分的判定跨任务复现度更高（Cohen's kappa达0.42，对比原规则的0.23），且未造成可检测的奖励损失。目前，研究团队已开源涵盖4个模型的1,251个技能及评测数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
研究团队提出基于无辅助得分度量技能内化程度，并开源相关技能及评测数据。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 人工智能超越增益：度量 LLM 智能体技能内化以实现技能淘汰
新研究提出通过模型在无辅助任务上的得分来度量 LLM 智能体的技能内化程度，以改进技能中心的技能淘汰机制。在 4 个模型的评测中，原有单纯依赖增益的规则移除了超半数未覆盖技能，而基于无辅助得分的判定跨任务复现度更高（Cohen's kappa 达 0.42 对比 0.23）且未造成可检测的奖励损失。团队已开源涵盖 4 个模型的 1,251 个技能及评测数据。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。