任务分解重排序提升智能体技能检索适应性

背景

随着大型语言模型（LLM）驱动的人工智能代理系统日益复杂，技能库（skill library）已成为提升代理完成复杂任务能力的关键组件。代理通过调用预先定义的技能（如 API、函数、子程序）来分解并执行任务。然而，技能库规模的快速增长带来了两个核心挑战：一是任务需求与候选技能之间存在语义模糊匹配——多个语义相似但功能不同的技能可能对应同一任务描述；二是现有方法在选取最优技能时，往往忽略任务难度和技能适用性的动态影响，导致在简单任务上过度调用昂贵技能，或在复杂任务上选取不合适的技能。传统的基于嵌入相似度的检索方法或简单的排序方法难以适应这种动态变化。因此，如何实现自适应、高精度的技能选择成为提升代理系统效率与鲁棒性的关键问题。

核心内容

本文提出 SkillReranker，一个推理时的重排序框架，用于自适应技能选择。其核心思想是：通过对任务和技能两侧进行语义分解，构建结构化的任务-技能对应关系，并基于任务难度动态调整技能选取策略。

具体流程如下：

1. 语义分解：对任务描述和技能描述分别进行语义分解。

   • 任务侧：将原始任务分解为若干子任务描述，同时生成每个子任务对应的中间状态描述（表示执行到该步骤时的环境状态）。
   • 技能侧：对每个候选技能，生成其执行状态描述（该技能执行前的条件）和过渡状态描述（该技能执行后带来的状态变化），以刻画技能的输入输出特性。

2. 构建有向无环执行图：利用上述分解结果，构建一个有向无环图（DAG）。

   • 图中节点代表中间任务状态，边代表候选技能。
   • 每条边从某个前置状态指向后置状态，表示该技能可以将状态从前置转移到后置。
   • 该图结构显式建模了任务步骤与技能功能之间的对应关系。

3. 子任务区间划分：在 DAG 上，SkillReranker 通过判断每个状态节点是否满足分裂条件（split condition）来决定是否在此处划分子任务区间。分裂条件基于任务难度和技能适用性动态设定：如果当前节点对应的子任务区间足够简单（即存在一个技能可以一步完成），则不需要进一步分裂；否则，将该区间拆分为更小的子区间。该机制实现了任务难度自适应。

4. 跨编码器评分：对于每个子任务区间，使用 cross-encoder 对该区间内所有候选技能进行综合打分。跨编码器同时考虑子任务描述、当前状态、候选技能描述及其过渡状态，输出每个技能在该区间内的适用性分数。然后选择分数最高的技能组成最终的目标技能集（target skill set）。

5. 实验验证：在 ALFWorld 和 ScienceWorld 两个基准上，使用三个不同的主干 LLM（如 GPT-4、Llama 等）进行测试。与现有的技能选择基线方法相比，SkillReranker 在任务成功率、环境交互步数和 token 消耗量三个指标上均取得了显著提升。

关键要点

• 推理时重排序：SkillReranker 在推理阶段对候选技能进行重排序，不改变原有技能库或 LLM 的训练过程，易于集成到现有代理系统中。
• 任务-技能双向语义分解：同时分解任务和技能描述，生成结构化的子任务、中间状态、技能执行状态和过渡状态，为精确匹配提供语义基础。
• 有向无环执行图：将任务执行路径建模为 DAG，节点为中间状态，边为技能，显式捕捉任务步骤之间的依赖关系。
• 动态子任务区间划分：根据任务难度，通过分裂条件自动决定是否需要进一步拆分当前子任务区间，实现自适应粒度控制。
• 跨编码器综合评分：使用 cross-encoder（而非简单的双编码器相似度）对候选技能进行深度语义匹配，提升排序准确性。
• 多维度性能提升：实验表明，SkillReranker 在任务成功率上超越基线，同时减少了环境交互步骤（降低执行成本）和 token 消耗（降低推理成本）。
• 主干无关性：在 GPT-4、Llama 等多种 LLM 上均有效，说明框架对不同模型具有良好泛化性。

意义与影响

• 推动代理系统智能化：SkillReranker 通过精细化的任务分解和技能匹配，使代理系统能够像人类专家一样，根据任务复杂程度动态调整技能调用策略，是迈向更智能、更高效自主代理的关键一步。
• 降低资源消耗：在现实应用中，代理系统通常受限于 token 预算和 API 调用次数。SkillReranker 通过减少不必要的技能尝试和环境交互，显著降低 token 消耗和执行步骤，对部署在资源受限场景的代理系统具有重要实用价值。
• 范式启发：该工作展示了从“全局语义匹配”转向“结构化任务-技能图匹配”的潜力，可启发后续研究将图推理、层次规划与技能检索深度融合。DAG 执行图与分裂条件的引入，也为其他任务规划问题（如机器人操作、代码生成）提供了新的建模思路。
• 填补自适应技能选择空白：现有方法多采用固定策略（如统一检索 top-k），无法应对任务难度波动。SkillReranker 首次在推理阶段实现基于难度的自适应技能选择，弥补了这一短板。