7.9
深览指数
科技微博·机器之心Pro··AI 生成
让Agent学会「如何演化」：清华、华为提出层次化技能元演化框架HiSME
清华大学与华为提出 HiSME 框架，让 Agent 在执行任务后，不仅能从轨迹中沉淀技能（skill），还能让「产生和修改技能的算法」本身也在测试时持续演化（meta-skill）。该框架在 BFCL-v3 和 MineDojo 上取得稳定收益，并证明了元技能的可迁移性。对于关注 Agent 长程部署、测试时学习、以及 LLM 系统自动工程化的研究者，这是一篇值得细读的技术方案。原文 ↗
核心观点
- ▍HiSME 的核心观点是：Agent 的测试时学习不应只停留在技能（skill）层面，技能演化算法本身也可以「被演化」，即通过元技能（meta-skill）来优化技能生成、修订和过滤的流程。
- 01HiSME 将系统分为三层：轨迹（trajectory）、技能（skill）和元技能（meta-skill）。元技能本质上是针对算法角色的 rules-of-thumb prompts，例如指导 extractor 不要仅凭表层情绪词抽取 workflow。
- 02对技能的评价主要关注两个维度：有效性（提供了 Agent 后是否提升后续轨迹效用）和复用性（是否被频繁检索调用）。
- 03在 BFCL-v3 multi-turn base 和 MineDojo 基准上，HiSME 相比无技能基线、静态技能演化方法（SkillX）以及 AWM、Memento 等测试时学习基线，均取得稳定优势。
- 04消融实验显示，refactorer（从多条轨迹中抽象共享结构）是关键组件，而 extractor、refiner 和 credit filter 共同构成了技能生成与维护的闭环。
- 05Meta-test 实验表明，将一次 HiSME 运行中学到的元技能冻结，作为新一轮静态技能演化的初始化规则，其效果显著优于从零开始的静态演化，并接近完整 HiSME，说明元技能具有迁移性。
- 06HiSME 的轻量之处在于：将元经验以简单的文本规则维护，并作为上下文指导后续演化，无需更新底层 LLM 参数。
反方 / 局限
- — 文章未系统讨论元技能演化可能带来的系统性偏差放大风险（例如，元技能本身固化错误策略，导致后续演化陷入局部最优）。
- — 实验主要在 BFCL 和 MineDojo 两个场景进行，对于更复杂的现实世界工具调用或开放环境，HiSME 的转化成本与稳定性尚未验证。
HiSME元技能 (meta-skill)技能演化 (skill evolving)测试时学习 (test-time learning)BFCL-v3MineDojo清华大学华为基础模型部李旭浚郑克寒
7 分钟 · 3 卡片 · 3 资料
读原文 →