NeurIPS 2026 论文 SkillRL：7B 模型胜 GPT-4o 41%，靠技能进化

cihangxie · x · 2026-09-25

SkillRL（arXiv:2602.08234）被 NeurIPS 2026 接收。该框架针对 LLM agent 不会从失败中积累技能的问题，提出递归式技能增强强化学习：通过经验蒸馏构建分层技能库 SkillBank、自适应检索通用与任务特定启发式规则，并让技能库在 RL 过程中与策略共同递归进化，从而显著降低 token 占用、提升推理效用。

在 ALFWorld、WebShop 和七项搜索增强任务上取得 SOTA：7B 模型比 GPT-4o 高 41%，训练 token 减少约 20%，收敛快 33%。论文、数据、模型均已开源（arXiv / HuggingFace / GitHub）。