SkillRise：用于跨任务技能演化的智能体强化学习

SkillRise 是一个统一强化学习框架，通过将相关任务组织成渐进难度序列，并让单个策略交替执行任务与策划技能文档，实现跨任务技能学习。在 ALFWorld、WebShop 和 ScienceWorld 测试中，其 Pass@1 性能比最强基线高出 2.3 至 8.5 个百分点，且仅尝试一次的长任务序列下性能亦提升，表明技能可迁移。同时它大幅降低了技能学习管线的运行时开销。

此前强化学习将任务视为独立事件，而现有技能学习方法或依赖单一任务重复尝试，或使用多阶段管道分离提取与执行。SkillRise 首次以统一框架在多个相关任务间学习可迁移技能，显著提升首次尝试成功率并降低运行时开销。

SkillRise 将相似实例编排为渐进难度序列，用单一策略交替执行任务求解与技能文档策划；通过跨任务解耦信用分配——当前任务结果监督求解，折扣后的下游结果监督策划——使得技能文档随任务推进不断演化，最终让模型在后续相关任务中复用已学技能。

对于构建 AI 代理产品的团队，SkillRise 可减少同一任务重复训练的需求，提升代理在多任务场景下的首次成功率，同时降低推理时的延迟和计算成本。尤其适合需要处理一系列关联子任务（如网页操作、购物、科学实验）的自动化产品。

• 开发基于 SkillRise 的跨任务 AI 代理，用于自动化客服多步骤流程，如订单查询、退款、投诉等连续任务。
• 将 SkillRise 集成到 RPA 工具中，让机器人通过一次尝试就能学会并迁移跨应用的技能，减少人工编排。
• 构建在线学习平台，根据用户的历史操作序列动态生成技能文档，提升推荐或教学助手的适应性。

• SkillRise 在更复杂、非序列化的多任务场景下（如交叉任务交互相依）表现如何？
• 框架是否需要人为定义任务难度序列？如果自动生成，其效果是否稳定？
• 在真实用户交互环境中，技能文档的更新频率和大小是否会成为新的瓶颈？
• 与其他元学习或迁移学习方法相比，SkillRise 在训练数据量较少时是否仍然有效？