GraphSkillEvo: Evolutionary Optimization of Graph-Structured Agent Skills
作者: Rui Sun, Zhi Zheng, Zhenkun Wang, Zhichao Lu
分类: cs.LG
发布日期: 2026-09-18
🔗 代码/项目: GITHUB
💡 一句话要点
提出GraphSkillEvo以解决图结构代理技能优化问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 图结构技能 进化优化 大型语言模型 任务执行 技能优化 自然语言处理 智能代理
📋 核心要点
- 现有技能优化方法将技能表示为无结构的自然语言指令，缺乏明确的工作流程指导，且冗余信息较多，导致LLM执行困难。
- 本文提出将技能表示为图结构的自然语言工件，使每个节点代表执行步骤及其指导，边表示步骤间的上下文关系，从而提供清晰的工作流程指导。
- GraphSkillEvo在多个基准测试中表现优异，相较于SkillOpt基线，GPT-5.4-nano的平均准确率提升4.01%，显示出其优化效果的显著性。
📝 摘要（中文）
技能可以通过提供特定任务的程序指导来提升大型语言模型（LLM）代理的性能，而技能优化则通过迭代精炼进一步提高其有效性。然而，现有的技能优化方法通常将技能表示为无结构的自然语言指令，导致执行困难和优化效果不佳。为了解决这些问题，本文提出将技能表示为图结构的自然语言工件，其中每个节点代表执行步骤及其操作指导，边则编码步骤之间的上下文依赖关系。基于这一结构化表示，本文引入了GraphSkillEvo，一个基于种群的进化优化框架，通过变异和交叉操作来优化图结构技能。实验表明，GraphSkillEvo在多个基准测试中优于现有的技能优化基线SkillOpt，平均准确率提升4.01%。
🔬 方法详解
问题定义：本文旨在解决现有技能优化方法在表示和执行上的不足，尤其是无结构自然语言指令的冗余和缺乏明确指导的问题。
核心思路：通过将技能表示为图结构，节点表示执行步骤及其指导，边表示步骤间的上下文关系，从而提供清晰的工作流程指导，促进技能的有效优化。
技术框架：GraphSkillEvo框架包括多个模块：首先是图结构技能的构建，其次是基于种群的进化优化过程，最后是通过变异和交叉操作生成新技能。
关键创新：最重要的创新在于将技能从无结构的自然语言转变为图结构表示，使得技能优化过程更具针对性和有效性，显著提升了优化效果。
关键设计：在设计中，采用了种群维持机制，结合有效组件的组合，确保了对结构化技能空间的广泛探索，同时设置了适当的变异和交叉参数以优化技能生成。
🖼️ 关键图片
📊 实验亮点
在实验中，GraphSkillEvo在五个代理基准测试中表现优异，相比于强基线SkillOpt，GPT-5.4-nano的平均准确率提升了4.01%，而GPT-5.4的提升幅度为1.76%，显示出其在技能优化中的有效性。
🎯 应用场景
该研究的潜在应用领域包括智能代理、自动化任务执行和人机交互等。通过优化图结构技能，能够提升LLM在复杂任务中的执行效率和准确性，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Skills can improve the performance of Large Language Model (LLM) agents by providing task-specific procedural guidance, while skill optimization further improves their effectiveness through iterative refinement. However, existing skill optimization methods typically represent skills as unstructured natural-language instructions, creating two key challenges: 1) Unstructured skills often lack explicit workflow-level guidance and contain substantial redundancy, making them difficult for LLMs to execute; 2) the vast search space of unconstrained natural-language skills makes skill optimization ineffective. To address these challenges, we propose representing skills as graph-structured natural-language artifacts. In graph-structured skills, each node represents an execution step together with its operational guidance, while directed edges encode context-dependent transitions between steps. Compared to unstructured skills, graph-structured skills can provide clear workflow-level guidance. Moreover, the proposed graph-structured skill can also facilitate skill optimization. Building on this structured representation, we introduce GraphSkillEvo, a population-based evolutionary optimization framework with mutation and crossover operators for graph-structured skills. By maintaining multiple candidate skills and combining effective components, GraphSkillEvo enables broader and more comprehensive exploration of the structured skill space than purely LLM-based iterative self-refinement. Extensive experiments across five agent benchmarks demonstrate that GraphSkillEvo consistently outperforms the strong skill optimization baseline SkillOpt, improving average accuracy by 4.01% on GPT-5.4-nano and 1.76% on GPT-5.4. Our code is available at https://github.com/ruisun7/GraphSkillEvo.