中科院UCOB：让智能体学会判断与纠正技能
青稞AI · wechat · 2026-07-08
中科院自动化所团队发布 UCOB（Credit-Aware On-Policy Bidirectional Self-Distillation），针对长程 agent 任务中技能记忆（skill memory）不可靠的问题。团队发现带技能上下文的 prompt 并不总是更优的'教师'——技能具有状态依赖性，在某些状态下反而会误导模型。UCOB 提出在局部状态层面判断'该信技能还是不信'，据此进行信用分配与监督，把真正有用的技能内化并反哺技能记忆。论文已在 WebShop 等环境验证，代码已开源。