SkillComposer 为大语言模型智能体提供结构化技能组合

研究人员提出 SkillComposer，通过将技能选择瓶颈形式化为结构化技能组合，来解决大语言模型智能体的问题。该方法通过任务条件化的技能序列预测，联合预测激活的子集、数量和执行顺序。

• SkillComposer 在技能标识符上使用受限的自回归解码器，以在一次传递中捕获连续技能之间的依赖关系。
• 该模型在源自真实人工策展技能库的任务-组合对上进行了训练。
• 在 SkillsBench 上的评估显示，SkillComposer 将 GPT-5.2-Codex 和 Gemini-3-Pro-Preview 上无技能基线的通过率分别提高了 +23.1pp 和 +18.2pp。
• 该方法超越了前3检索性能，同时以更低的提示令牌成本匹配了黄金技能检索的上限。

这种方法通过提供更有效的从不断增长的技能库中组合技能的方式，提高了生产级编码智能体的下游任务成功率。