让 Agent 学会「如何演化」：清华、华为提出层次化技能元演化框架 HiSME

📌 一句话摘要

本文介绍清华与华为提出的层次化技能元演化框架 HiSME，说明其如何在不更新模型参数的情况下同时优化技能及其生成算法。

📝 详细摘要

文章围绕清华大学与华为基础模型部提出的 HiSME 框架展开，指出现有静态技能演化在适配不同场景和维护成本方面的不足。HiSME 将系统分为轨迹、技能和元技能三层，利用 extractor、refactorer、refiner 等组件从任务轨迹中抽取、重构和维护技能，并通过元技能对演化策略本身进行反馈优化。实验在 BFCL-v3 multi-turn base 和 MineDojo 上表明，HiSME 在性能和 token 开销上均优于无技能、静态演化及 AWM、Memento 等基线，且元技能具有可迁移性。文末进一步讨论了 Learning to Evolve 和 Automatic Harness Engineering 两个研究方向。

💡 主要观点

- HiSME 将技能演化分为轨迹、技能和元技能三层结构。 轨迹层提供任务执行记录，技能层负责从轨迹中抽取和维护可复用技能，元技能层则记录并优化生成技能的算法策略，使演化过程自身能够从经验中学习。

元技能以文本规则形式写回 extractor、refactorer 和 refiner 的 prompt，指导后续技能演化。 例如，extractor 学会不要仅凭表层情绪词抽取工作流，而需关注可验证状态或 API 前置条件；refiner 学会在技能误触发时收窄触发条件，从而减少低质量技能的产生。

在 BFCL-v3 多轮工具调用和 MineDojo 开放世界任务上的实验表明，HiSME 在成功率和 token 效率上均优于基线。 相比无技能基线、静态技能演化 SkillX 以及 AWM、Memento 等 test-time learning 方法，HiSME 通过更善于生成、修订和筛选技能的演化流程获得提升，尤其在长程交互任务中减少无效探索和失败恢复。

元技能具有可迁移性：将一次运行中学到的元技能冻结后用于初始化静态技能演化，其表现接近完整 HiSME。 这表明元技能本身捕捉到了有效的演化策略，可在新任务中直接复用，进一步降低了从零开始调校演化算法的成本。

💬 文章金句

- HiSME 把整个系统分成三个层次：轨迹、技能和元技能。

• HiSME 的核心观点是：技能演化可以被看作对 Agent 测试时边际性能收益的优化。
• 元技能会被写回 skill extractor、refactorer 和 refiner 的 prompt 中，让后续技能演化算法根据测试时反馈调整策略。

📊 文章信息

AI 初评：78

来源：机器之心

作者：机器之心

分类：人工智能

语言：中文

阅读时间：12 分钟

字数：2779

标签： 大语言模型 Agent, 测试时学习, 元技能, 技能演化, 层次化框架

阅读完整文章