SKILLER: Language-Level Reinforcement Learning for Reusable Skill Extraction in Small Language Models

  • 类型：arxiv
  • 标识：2608.10538
  • 链接：https://arxiv.org/abs/2608.10538
  • 主分类：agent
  • 形态：application
  • 被引：0
  • 被引来源：Semantic Scholar
  • S2被引：0
  • 影响力被引：0
  • TLDR：SKILLER is a natural-language-driven reinforcement learning framework designed to automatically generate executor-specific skills for small models, which employs a strong model as the actor and critic, treats the small-model agent system as the environment, and propagates all reinforcement learning signals entirely via natural language.
  • 副分类：llm-infra
  • 待LLM分类：否
  • 标题中文：SKILLER：面向小型语言模型可复用技能提取的语言级强化学习
  • TLDR中文：SKILLER 是一个由自然语言驱动的强化学习框架，旨在为小模型自动生成执行器特定的 skills，使用强模型作为 actor 和 critic，将小模型 Agent 系统视为环境，并通过自然语言完全传递所有强化学习信号。
  • 来源文件：
  • /inbox/tom/_candidates/2026-08-14-agent-rag-longcontext-candidates.json
  • [S2 enrich]