LeafSkill: Efficient Leaf-Level Action Grounding for Recursive LLM Agents

📄 arXiv: 2610.32412v1 📥 PDF

作者: Shen Liu, Ze Zhou, Zhenguo Xu, Shaopu Wang, Yike Gao, Chunlei Wang

分类: cs.AI

发布日期: 2026-10-23

💡 一句话要点

提出LeafSkill以解决递归LLM代理的叶级动作定位问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 递归LLM 动作定位 语义检索 任务优化 机器人控制

📋 核心要点

  1. 现有的递归LLM代理在处理长时间跨度任务时，存在重复调用大型模型进行动作转换的低效问题。
  2. LeafSkill通过引入外部重用层，利用语义检索和轻量选择器来优化叶级动作定位，提高了任务执行效率。
  3. 实验结果显示，LeafSkill在任务完成率和模型调用次数上均优于现有方法，显著降低了计算资源消耗。

📝 摘要（中文）

递归大型语言模型（LLM）代理通过分解、执行和环境反馈来解决长时间跨度的任务。然而，在生成原子子任务后，它们通常需要再次调用大型模型将熟悉的指令转化为可执行的动作。我们观察到，高层规划是任务特定的，而叶级动作定位在不同任务间是可复用的，并且可以与环境允许的动作进行核对。为此，我们提出了LeafSkill，一个外部重用层，能够检索语义相关的定位经验，将动作模板绑定到当前对象和可接受的动作上，并使用一个轻量级的1.7B选择器来选择绑定的动作或将未更改的子任务推迟给原始代理。在独立的200个Robotouille任务确认集上，LeafSkill完成了137个任务，而ReCAP完成121个任务，成功率分别为68.5%和60.5%。

🔬 方法详解

问题定义：本论文旨在解决递归LLM代理在执行长时间跨度任务时，重复调用大型模型进行动作转换的低效问题。现有方法在高层规划与叶级动作定位之间缺乏有效的重用机制，导致资源浪费。

核心思路：LeafSkill的核心思路是引入一个外部重用层，通过检索语义相关的经验来优化叶级动作定位，从而减少对大型模型的依赖。这样设计的目的是为了提高任务执行的效率和准确性，同时保持高层规划的灵活性。

技术框架：LeafSkill的整体架构包括三个主要模块：外部重用层、轻量选择器和动作绑定机制。外部重用层负责检索相关的动作经验，轻量选择器用于选择合适的动作，而动作绑定机制则将动作模板与当前环境中的对象和可接受的动作进行匹配。

关键创新：LeafSkill的主要创新在于其外部重用层的设计，使得叶级动作定位可以在不同任务间复用，显著提高了任务完成率，并减少了对大型模型的调用次数。与现有方法相比，LeafSkill能够在不替换高层规划的情况下，优化底层执行。

关键设计：在技术细节上，LeafSkill使用了一个1.7B参数的轻量选择器，能够在保持高效性的同时，进行快速的动作选择。此外，设计中还考虑了语义检索的准确性，以确保在不同的任务场景中都能有效匹配动作。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，LeafSkill在200个Robotouille任务上完成了137个任务，相较于ReCAP的121个任务，成功率提升至68.5%。在106个共同完成的任务中，LeafSkill减少了Qwen3.5-27B模型的调用次数和所需的token数量，分别降低了14.42%和14.08%。

🎯 应用场景

LeafSkill的研究成果具有广泛的应用潜力，尤其是在需要长时间跨度决策的领域，如机器人控制、自动化任务执行和智能助手等。通过提高任务完成率和降低计算资源消耗，LeafSkill能够为实际应用提供更高效的解决方案，推动智能系统的进一步发展。

📄 摘要（原文）

Recursive large language model (LLM) agents solve long-horizon tasks through decomposition, execution, and environmental feedback. Yet after producing an atomic subtask, they often invoke the same large model again to translate a familiar instruction into an executable action. We observe that high-level planning is task-specific, whereas leaf-level action grounding recurs across tasks and can be checked against environment-admitted actions. We introduce LeafSkill, an external reuse layer that retrieves semantically related grounding experience, binds action templates to current objects and admissible actions, and uses a lightweight 1.7B selector to choose a bound action or defer the unchanged subtask to the original agent. Skills remain outside the model parameters, allowing a frozen selector to use post-training additions. Under lexical and syntactic paraphrases, exact matching retrieves none of the reference actions, while semantic retrieval preserves 96.0% and 97.0% candidate coverage; the frozen selector adopts 97.34% of unseen skill types. On an independent confirmation set of 200 Robotouille tasks, LeafSkill completes 137 tasks versus 121 for ReCAP (68.5% vs. 60.5%, exact McNemar p=.0259). On the 106 tasks completed by both, it reduces Qwen3.5-27B tokens by 14.42% and calls by 14.08%. A separate held-out repeat yields a consistent 9.0-point success gain and 18.98% token reduction. Reusable leaf grounding can thus improve task completion while reducing host-model inference without replacing high-level planning.