研究：编码智能体在运行时选择技能粒度，失败时回退到基础工具调用
译自英文
一项让编程智能体更有效使用技能（skills）的好工作。
（建议收藏）
在这项工作中，研究者把技能粒度当作运行时决策。对每个任务，智能体可以使用原子工具调用、宏技能，或者在失败时回退到原子步骤的宏技能。
固定的宏执行在技能匹配时很高效，不匹配时则很脆弱。
控制器根据任务结构、执行状态和此前的宏失败来选择层级，并由一个有限状态执行器把回退作为显式状态转移来处理，而不是随意重试。
在一项包含 12 个任务的路由研究中，学习得到的路由器达到 100% 成功率，而手写启发式规则会失败。借助宏到微的回退，智能体能从受控的宏失败中恢复，而固定粒度无法解决这些失败。
arxiv.org/abs/2610.31461
与论文对话：academy.dair.ai/papers/adaptive…X来源2
- @dair_aiX一项让编程智能体更有效使用技能（skills）的好工作。 （建议收藏） 在这项工作中，研究者把技能粒度当作运行时决策。对每个任务，智能体可以使用原子工具调用、宏技能，或者在失败时回退到原子步骤的宏技能。 固定的宏执行在技能匹配时很高效，不匹配时则很脆弱。 控制器根据任务结构、执行状态和此前的宏失败来选择层级，并由一个有限状态执行器把回退作为显式状态转移来处理，而不是随意重试。 在一项包含 12 个任务的路由研究中，学习得到的路由器达到 100% 成功率，而手写启发式规则会失败。借助宏到微的回退，智能体能从受控的宏失败中恢复，而固定粒度无法解决这些失败。 https://arxiv.org/abs/2610.31461 与论文对话：https://academy.dair.ai/papers/adaptive-skill-granularity-for-coding-agents-runtime-routing-and-macro-to-micro-2610.31461译自英文 · 查看原文 ·
arXiv研究Adaptive Skill Granularity for Coding Agents: Runtime Routing and Macro-to-Micro Recovery英文原标题 · 查看原文 ·
由 dalao.ai 撰写标题；引用的帖子以原文为准，著作权归原作者所有。