XSkill — 多模态智能体从经验和技能中持续学习
XSkill 是一个新的研究框架，使多模态 AI 智能体能够从自身执行历史中持续学习和改进，且无需任何参数训练。论文发表在 arXiv（2603.12056），在 HuggingFace 每日论文中获得 54 票，提出了一种免训练的智能体自我提升方法。
系统分两个阶段运作。在积累阶段，每批智能体运行后，XSkill 自动提炼两类知识：任务级技能（结构化工作流和工具模板）和操作级经验（上下文相关的战术洞察）。在推理阶段，智能体分解新任务，从记忆库中检索相关知识，注入系统提示词中。
在五个不同基准测试（VisualToolBench、TIR-Bench、MMSearch-Plus、AgentVista、MMBrowseComp）上的评估表明，XSkill 显著优于基线方法，且具有出色的零样本跨任务迁移能力——在一个领域学到的技能能够提升其他领域的表现。
这对智能体生态具有重要意义，因为它解决了一个核心局限：智能体不能从错误中学习。XSkill 展示了一条实用路径，让智能体通过经验积累而非昂贵的重训练来持续进步。
arXiv：https://arxiv.org/abs/2603.12056
GitHub：https://github.com/XSkill-Agent/XSkill
← 返回所有文章
系统分两个阶段运作。在积累阶段，每批智能体运行后，XSkill 自动提炼两类知识：任务级技能（结构化工作流和工具模板）和操作级经验（上下文相关的战术洞察）。在推理阶段，智能体分解新任务，从记忆库中检索相关知识，注入系统提示词中。
在五个不同基准测试（VisualToolBench、TIR-Bench、MMSearch-Plus、AgentVista、MMBrowseComp）上的评估表明，XSkill 显著优于基线方法，且具有出色的零样本跨任务迁移能力——在一个领域学到的技能能够提升其他领域的表现。
这对智能体生态具有重要意义，因为它解决了一个核心局限：智能体不能从错误中学习。XSkill 展示了一条实用路径，让智能体通过经验积累而非昂贵的重训练来持续进步。
arXiv：https://arxiv.org/abs/2603.12056
GitHub：https://github.com/XSkill-Agent/XSkill