SkillBrowser：通过选择性技能暴露构建可扩展的技能使用型智能体

SkillBrowser提出由Meta-Skill管理的选择性技能暴露框架，使智能体识别当前能力需求、生成定向查询并按需加载技能。基于论文摘要，在六个SRA-Bench子集和五个LLM上，该方法相较静态检索与基于LLM的技能选择提高了总体准确率，并缓解已可解决实例上的性能下降；其收益依赖模型和任务，漏调用有用技能与额外延迟是主要限制。