Wenkai Yu、Ning Ding、Wentao Zhang 和 Yehui Tang 于 2026 年 11 月 6 日提交预印本,提出从 Agent Skills 中学习子智能体授权的方法。研究针对任务委派中的一个问题:除了决定子智能体要完成什么工作,还要确定它需要访问哪些工具和工作区资源。[1]
作者认为,仅凭任务结果和执行轨迹,难以充分判断权限分配是否恰当。Agent Skills 按步骤描述操作、工具和文件。该方法据此合成任务与操作流程,在交互环境中通过子智能体委派执行,再利用作者所称的经过核验的轨迹,构建执行与授权训练数据。保存的摘要没有解释这些轨迹如何核验。[1]
摘要报告,在 ClawArena-Team 上,Qwen3.5-35B-A3B 的工具权限精确率提高了 13.4 个百分点,工作区权限精确率提高了 24.1 个百分点,整体任务成功率提高了 11.6 个百分点。作者还称,该方法在 Terminal-Bench 2.1 和 SkillsBench 上,与现有智能体数据合成方法相比具有竞争力。这些都是作者报告的结果;保存的页面未提供独立评估所需的比较细节和权限指标定义。[1]
[1]: From Procedures to Permissions: Learning Precise Subagent Authorization from Agent Skills,arXiv,2026 年 11 月 6 日。
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策