SkillForge提出技能生命周期机制，解决LLM智能体技能库累积导致的性能退化

中国科学院计算技术研究所等机构的研究团队提出了SkillForge，一种用于大语言模型（LLM）智能体的强化学习方法。该方法旨在解决随着策略改进，技能库中过时或有害条目积累并误导智能体的问题。

传统方法通常将技能库视为只增不减的集合，导致检索噪声增加和上下文污染。SkillForge引入了一个基于适应度的技能生命周期，包含试用、活跃、稳定和退役四个状态。在训练前，它利用基础模型的自身回滚预淘汰低适应度技能；在强化学习阶段，通过选择性退役、稳定化和LLM引导的变异，使技能与模型共同进化。

据论文摘要，在多个交互式智能体基准测试中，SkillForge实现了最高的聚合成功率，相比最强基线提供了高达7.8%的相对提升，同时在整个训练过程中保持技能库紧凑。该研究已被NeurIPS 2026接收。