arXiv · cs.AI· Yu Cheng, Dehai Zhao, Zhongxin Liu, Qing Huang, Zhenchang Xing, Xiaoxue Ren·· 3 天前
Agent Skills下游效用实证研究：重排使首选通过率提升4.35–5.80个百分点
An Empirical Study of Agent Skills' Downstream Utility
arXiv:2610.08875v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yu Cheng, Dehai Zhao, Zhongxin Liu, Qing Huang, Zhenchang Xing, Xiaoxue Ren
首次提交：2026-10-06 14:05
研究任务与主要进展
Yu Cheng等在87个SkillsBench任务上实证研究Agent Skills的下游效用，将同一模型—运行框架下相对No-Skill的通过率差定义为效用，并比较同一Skills的9种配置；在覆盖37,596个Skills的候选集上，按必需操作支持度重排使三种配置的首选通过率提高4.35–5.80个百分点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org