📍 LLM能否在任务之间发现、抽象和重用更高层次的工具技能？ 现有的工具使用基准测试使用固定工具解决任务。但真实的工作流程包含重复的结构，其中效率来自可重用的工具组合，而不是孤立的调用。 我们引入了SkillCraft：126个任务跨越6个领域，旨在测试LLM代理是否能够获得组合技能，而不仅仅是调用原子工具。 我们还提出了Skill Mode，这是一种轻量级协议，具有四个MCP原语，允许代理在测试时组合、验证、缓存和重用工具链。 我们在评估8个SOTA模型时的关键发现： ⚡Skill Mode使代理能够自我发现和重用技能，导致比没有它的代理更高的成功率和效率。对于更强的模型，收益更大。 🧠 更强的模型（例如Claude）发现更具可迁移性的技能，这些技能可以跨任务甚至跨模型转移。 🔍 更深的组合≠更好——浅层、经过良好测试的技能最具通用性。 🔗 论文： 💻 代码： 🏠 页面： (1/7)

想要让 LLM 代理在 OOD 环境中成功吗？ 我们用 SPA（自我游戏代理）来解决最困难的案例。没有额外的数据、工具或更强的模型。纯粹的自我游戏。 我们首先通过自我游戏内化一个世界模型，然后通过强化学习学习如何获胜。 就像孩子在环境中玩耍，简单地学习“如果我这样做会怎样？” 下面，我们展示了我们的发现：OOD 环境有什么问题？哪些关键因素使自我游戏能够成功？ (1/8)