提出SKILL0框架,一种面向技能内化的上下文强化学习方法,通过动态课程逐步撤回训练时的技能上下文,使模型将技能参数化内化,实现零样本自主行为,在ALFWorld和Search-QA上分别提升9.7%和6.6%,同时将每步推理上下文压缩至0.5k token以内。
机构:浙大
来源:arXiv 2604.02268 | AI4Papers 论文推荐平台