提出经验驱动的强化学习训练方案SkillOS,通过冻结执行器与可训练技能策展器协同及复合奖励机制,实现自进化智能体技能库的长期高效管理,在多轮智能体任务与单轮推理任务上显著超越现有基线并具备跨模型泛化能力。
机构:UIUC
来源:arXiv 2605.06614 | AI4Papers 论文推荐平台