RASO 借百万公开技能库做检索增强,免去昂贵 agent rollout 优化
Jaewon Chu · hf · 2026-10-02
论文提出 Retrieval-Augmented Skill Optimization(RASO),把公开的 agent 技能语料当作先验知识用于技能优化,而不是像现有方法那样只靠昂贵的 agent rollout 迭代打磨。
框架分两个互补阶段:
- RASI(检索增强初始化):基于外部技能知识构造初始技能,无需 rollout;
- RASU(检索增强更新):结合执行反馈迭代检索外部知识并修正技能,并通过 Cross-Harness Adaptation 处理领域与 harness 两方面的不匹配。
在 4 个 agent benchmark、2 个模型上的实验显示,RASO 持续优于无检索增强的基线方法。
「编程与Agent」频道最新
- AgentWorld 研究：多智能体协作任务成功率仅 12% — omarsar0 · 2026-10-02
- 开发者用 GPT 复刻 DOOM 类游戏，血腥度还原原版并即将开源 — DeryaTR_ · 2026-10-02
- 把 AI Agent 接进 homelab:让智能体真实操作自己的服务器 — Academic_Wolverine · 2026-10-02
- 用流程挖掘 agent 审计企业工作流：文档写 7 步，实际 20 步 — vasuman · 2026-10-02
- Geoffrey Huntley 反驳「两周后大家都得回去读代码」 — kieranklaassen · 2026-10-02
- Claude Skills 入门：从 PDF 填表看提示词与 Skill 的真正区别 — lxfater · 2026-10-02