实证研究Agent Skills下游效用与重排收益

Yu Cheng等在87个SkillsBench任务上实证研究Agent Skills的下游效用，将其定义为同一模型—运行框架配置下相对No-Skill的通过率差，并在9种配置间比较同一组Skills。作者称，在覆盖37,596个Skills的候选语料上检索市场候选后，按必需操作支持度重排使三种所选配置的首选通过率提高4.35–5.80个百分点。 分析采用LLM辅助解读技能内容、执行轨迹与最终产物，再经作者复核，将技能提供的支持与实际使用及任务结果关联。以上为论文声称的结果，本站未独立核验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。