今天分享的文章是新南威尔士大学联合CSIRO提出SkillZip把技能库压缩单元从整个技能包改为section级承载契约的节点ALFWorld超SkillDAG达12.2点。痛点在哪LLM智能体的程序性知识存储在可复用技能包中推理时加载库增长后核心挑战是在有限上下文预算下暴露最小充分可执行上下文。现有retrieve-compress-execute管道有四大挑战复用粒度不匹配用整个技能作检索单元无法只选包内相关程序重叠包都进检索导致冗余和歧义压缩丢契约文本接近≠契约等价压缩技能可能接近原文但遮蔽precondition/guard branch/verifier hook使过程不安全压缩不持久图在检索后构建库本身不存为持久压缩结构recurring routine被反复发现验证维护不感知执行一次性压缩器无法识别后来技能才揭示的可复用routine也无法修订反复触发扩展/verifier失败的macro共同根因检索整个技能包、压缩技能文本、检索后构建执行图三个决策基于三个不同单元。应统一为承载契约的section子图其程序契约在检索/压缩/执行中都存活。方案细节SkillZip把基本表示单元从整个技能包改为源grounded、承载契约的section级单元由程序依赖连接。recurring子图仅在程序契约保持显式且可恢复时重写为可复用macro4组件闭环Sec2Graph把技能包打开成section级节点MotifZip契约保持压缩recurring motif为可逆macroPathHydrate预算约束子图搜索配渐进水合ReZip执行证据增量维护macro字典Sec2Graph构建程序子图把技能包转为源grounded程序子图供MotifZip压缩和PathHydrate查询。section节点结构v ⟨τ_v, c_v, X_v, Y_v, R_v, G_v, src_v⟩含执行角色/内容/输入输出签名/资源/guard条件/source指针9个操作角色Intent/Trigger/Input/Precondition/Operation/Resource/Failure/Verifier/Output描述section程序功能而非源文件位置Section grounding用标题/列表/代码块/警告/参数描述/工具引用/测试作边界cues分割边界不完整时model-assisted parser精炼保留source pointer程序子图构建weak-order边保持局部顺序dependency边绑定operations到inputs/preconditions/resourcesverifier边连接operations到可达检查repair边连接failure handlers到guards跨技能复用兼容section保持occurrence-specific节点仅角色/边界签名/资源/verifier行为一致时链接到共享canonical prototype使公共routine可见如cleaning/pivoting/plotting共享tabular ingestionMotifZip契约保持压缩挖掘recurring section级motif仅在契约三方面都保持时提升为可逆macro节点。Interface-aware motif mining避免对整个库做无限制频繁子图挖掘先从兼容执行接口提候选按角色签名/资源家族/I/O shape分桶沿dependency和weak-order边增长Occurrence support支持度在非冲突occurrence上计数两occurrence冲突若共享内部源section节点或需不兼容port重连度量可复用程序结构而非重复文本span三条件接受接口稳定input/output ports/角色签名/资源需求跨occurrence一致、执行闭合依赖要么在motif内部要么通过macro ports显式暴露、验证可达每个状态改变operation在macro契约内保留verifier或从macro输出可达可逆graph grammar规则M_g[I_g, O_g] ⇒ (V_g, E_g, π_g, χ_g)重写occurrence只移除内部节点插入macro重连外部边扩展执行逆操作恢复源grounded section图压缩增益打分Δ(g) freq(g)·L(g) − L(M_g) − L(rule_g) α·Reuse(g) − λ·Cut(g) − μ·Risk(g)权衡描述长度节省和执行风险候选按Δ(g)降序贪心处理跳过重叠重写四级渲染macro可渲染为name/contract/outline/full source是可逆程序重写规则而非有损总结PathHydrate预算可执行上下文在压缩图上路由构造紧凑依赖闭合程序子图按任务需求渲染macro到最低充分级别。Task anchoring原始query转结构化任务对象 z_q (g_q, O_q, Γ_q, I_q, D_q, {d_i})含目标/期望输出/所需能力/可见输入/执行器profile/子目标有序列表Dual-level seed fusionsection节点由subgoal和raw-query两视图max打分 s(v,d_i,q) max{cos(e(d_i),e(v)), cos(e(q),e(v))}候选技能的skill-description和node-max两排名用RRF融合集中seed池Constrained subgraph searchP*_q arg min η·T§ β|P| γ·E§ − δ·Match(P,q)约束anchor coverage/dependency closure/verifier reachability/预算T§≤BScaffold repair向后走恢复Input/Precondition/Resource向前走恢复Failure/Verifier/Output充分性门控而非预算寻求覆盖anchors/闭合依赖/verifier可达即终止渐进水合每个macro选最低充分级别name/contract/outline/full source契约不暴露所需input/guard/verifier则扩展把progressive disclosure从包级升级到图级可执行上下文渲染C_q RenderContract(U, p, B)含intent/bound inputs/preconditions/水合operations/resources/guards/failure handlers/verifiers/source expansion pointers水合日志L_q反馈给ReZipReZip增量库维护把压缩-执行环随库演进闭合每次更新建模为压缩库上转移 Z_{t1} ReZip(Z_t, u_t)。新技能同化Sec2Graph转程序子图ReZip用typed ports和契约三方面匹配现有macro兼容区域复用保留occurrence-specific source map未匹配区域进residual缓冲residual motif提升条件supp_t® ≥ m 且 Δ® 0 且 Valid_χ® 1库增长立即复用已建立macro仅在重复契约兼容证据后引入新抽象执行感知macro修订Σ_t(M)记录uses/source expansions/verifier failures/downstream repair cost风险信号 ρ_t(M) λ_e·n_exp/n_use λ_v·n_fail/n_use λ_d·c_repair/n_usecontrolled demotionρ_t(M)超阈值时先提高受影响任务profile水合级别持续风险则分裂为更窄契约兼容规则或退役改用源section每次修订保留源grounded扩展实验结果两基准两backbone全优MiniMax-M2.7 SkillsBench R 33.322.9/ALFWorld R 79.328.6超SkillDAG 6.0/12.2gpt-5.2-codex SkillsBench R 43.021.5/ALFWorld R 96.43.53.46×压缩比/99.2%依赖保持/98.7% verifier可达text compression同压缩比但DPR仅65.0/VR 60.0/R 25.5。可扩展消融Ret1优势随库从200技能6.2扩大到100K技能23.3100K规模4.77M节点178秒完成MotifZip/248.3ms在线延迟w/o section级Ret1 -6.9最大dropw/o MotifZip tokens 52.9%但DPR/VR完美w/o dependency closure DPR 82.3/w/o verifier constraint VR 76.4。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】