通过跨执行框架适配实现检索增强型技能优化
这项研究提出检索增强型技能优化（RASO），用于改进可复用的 AI 智能体自然语言指令。RASO 从外部现有技能库中检索相关知识，并根据目标任务和智能体执行框架进行适配。初始化阶段无需运行智能体，即可构建以知识为基础的技能；随后利用执行反馈和额外检索到的知识对技能进行迭代优化。在四项智能体基准测试和两个模型上的实验中，RASO 均优于未采用检索增强初始化与更新的基线方法。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。