Good paper on long-horizon scalable agent skills.
Great paper from Google and colleagues. It proposes an interesting approach to improve agents on long-horizon tasks. Long-running agents slow down and start poi...
Google 提出 SKILL.state,用显式可变执行状态替代追加式对话历史,解决长程智能体运行变慢和上下文污染问题。模型每步仅读取不可变技能规范、当前结构化状态和最新观察,中间推理在生成有效状态更新后即被丢弃,提示词不再随运行增长。在多个数据集、模型和执行环境中,任务准确率提升,累计 token 消耗下降,且该抽象与架构无关,可移植到现有技能运行时。
Google 提出 SKILL.state,用显式可变执行状态替代追加式对话历史,解决长程智能体运行变慢和上下文污染问题。模型每步仅读取不可变技能规范、当前结构化状态和最新观察,中间推理在生成有效状态更新后即被丢弃,提示词不再随运行增长。在多个数据集、模型和执行环境中,任务准确率提升,累计 token 消耗下降,且该抽象与架构无关,可移植到现有技能运行时。
Good paper on long-horizon scalable agent skills.
来源:elvis· x.com