LLM智能体跨任务技能迁移归纳方式研究

2026年10月20日，arXiv人工智能板块发布一项受控研究，探讨LLM智能体跨任务技能迁移中技能归纳方式的影响。研究由Yiyang Feng等作者完成。研究发现，按子任务粒度归纳的技能平均能提升任务表现，而按任务级归纳的技能多数反而低于无记忆基线；文本格式技能的迁移效果优于代码格式技能。研究还提出技能效用分数，该分数由技能的具体性与抽象性共同决定，仅需技能和任务描述即可计算，可作为技能记忆的轻量诊断工具。目前该研究处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。