SkillNEO：Agent技能的非精英进化优化

2026年10月16日，arXiv 人工智能板块出现一篇由 Enze Ma 等作者提交的论文，提出 SkillNEO（Non-Elitist Evolutionary Optimization for Agent Skills），即面向智能体技能的非精英进化优化方法。该方法将“选用哪个版本”与“继续改进哪些版本”分开处理，通过对比相关版本执行同一任务的表现，识别可保留的有效步骤与待修复的失败点。论文报告称，在涵盖软件工程与办公工作等八个领域的 86 项 SkillsBench 任务上，SkillNEO 将 GPT-5.4 Mini 的平均奖励从 49.1% 提升至 66.4%，落在 GPT-5.5 与 GPT-5.6 Luna 的原始技能区间内；在 41 项技能被修改的任务上，复用使 Luna 提升 10.5 个百分点，并使 GPT-5.5 比其已公布的原始技能参考高出 10.6 个百分点。上述数据均来自该论文自述，尚未见后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。