UniSkill：学习与行动者能力对齐的技能提案

论文提出 UniSkill，让同一策略在环境中执行任务并提出技能库的新增、更新或不修改操作，关注价值在于尝试避免为每个技能提案单独进行额外环境试验。

• 执行策略依据环境奖励学习，技能提案则由对比式动作反馈提供训练信号。
• 反馈比较替换原有技能前后，策略对同一任务成功与失败轨迹的动作对数似然差异，以衡量提案是否与当前行动者对齐。
• 方法加入技能编辑支持正则化，减少提案内容暂时得分较低时对合理编辑的压制。
• 论文报告 ALFWorld 成功率为 98.4%，WebShop 成功率为 84.7%，并称在较小骨干模型的 ALFWorld 实验中仍保持有效。
• 作者在 GitHub 仓库中说明代码将在两周内发布，当前仓库页面未显示完整实现，因此现阶段更适合将结果视为论文实验报告。
• 影响/看点：若对比反馈能在不同任务和策略规模下稳定区分技能收益，UniSkill可能降低持续学习中的评估开销；但成功率依赖具体环境、数据和训练设置，代码与独立复现实验将决定其可验证性。
• 资料依据:
• UniSkill论文（2026-10-07）：https://arxiv.org/abs/2610.10164
• UniSkill作者代码仓库（2026-10-08）：https://github.com/LimOkii/UniSKill

本内容由 AI 生成，仅供参考，请注意甄别