研究者提出KDASO：LLM技能库自动持续优化方法

论文作者Zi-Jian Cheng等在arXiv提交论文，提出知识与数据双驱动的自动化技能优化框架KDASO，通过邻域归纳、执行对齐精炼和上下文预算路由持续演化LLM技能库，针对技能库陈旧、语义与执行鸿沟和上下文超预算三个问题。 论文实验覆盖网约车判定、法律责任认定和逻辑推理判断三类责任判定任务，结果显示KDASO显著优于通用与领域基线；作者称技能迁移到相似场景时提升8.96%，并通过持续优化保持稳定增益。上述为论文报告的实验结果，尚未经过独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。