SkillDAG：让大模型智能体直接查询技能图，ALFWorld成功率提升14.3分
新研究提出SkillDAG，将技能库作为可调用接口暴露给LLM智能体，解决传统检索忽略依赖关系的问题，在基准测试中显著提升任务成功率。
重要性实质性证据E2 未复现写法快讯
SkillDAG是一种新型技能选择机制，它不再将技能视为独立文档进行向量检索，而是构建一个类型化的技能图（typed skill graph），并允许大语言模型（LLM）智能体直接查询和修改该图。这一方法解决了传统枚举或Top-K嵌入检索无法捕捉技能间依赖、冲突和特化关系的缺陷，从而避免智能体在执行任务时遗漏必要的前置条件。
在两项基准测试和三个模型家族上的实验显示，SkillDAG的表现优于全库提示、向量检索以及Graph-of-Skills方法。具体而言，它在ALFWorld环境中的任务成功率提升了14.3个百分点，并在技能池扩大10倍的情况下保持排名稳定，而固定管道的方法则出现性能下降。
该结果由作者团队自测得出，尚未见独立复现。其核心贡献在于证明“让智能体主动查询和修订技能结构”比“由检索器被动提供不透明技能包”更具扩展性和有效性，为大规模LLM智能体的技能管理提供了新的架构思路。