Learning Globally Reusable Skills for Coding Agents

📄 arXiv: 2608.06153v1 📥 PDF

作者: Chen Yang, Jiashuo Tian, Ziqi Wang, Xinyin Liu, Meiru Ye, Junjie Chen

分类: cs.SE, cs.AI

发布日期: 2026-08-06

💡 一句话要点

提出全球可重用技能演化框架GSE以解决编码代理技能泛化问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 技能演化 大型语言模型 软件工程 自动化测试 机器学习

📋 核心要点

  1. 现有技能演化方法通常忽视技能间的关系，导致技能更新过拟合，无法有效泛化到不同任务。
  2. GSE框架通过维护技能关系图和聚类技能整合，联合优化技能兼容性与泛化能力，提升技能演化效果。
  3. 在软件工程任务中，GSE在精确率和召回率上显著提升，尤其在内部工业代理中F1-score提高了61.4%。

📝 摘要（中文）

自动化技能演化使大型语言模型（LLM）代理能够在无需昂贵重训练的情况下持续改进。然而，现有方法通常将技能演化视为一系列局部更新，忽视了技能之间的关系，导致过拟合的技能更新无法在任务间泛化。本文提出了GSE，一个全球化的技能演化框架，联合优化技能兼容性和技能泛化。GSE通过维护技能关系图（SRG）来明确建模和共同演化技能间的关系，并通过基于聚类的技能整合和重放驱动的验证来提高泛化能力。我们在两个代表性软件工程任务上评估了GSE，结果显示其在精确率、召回率和F1-score上均优于现有编码代理。

🔬 方法详解

问题定义：本文旨在解决现有技能演化方法在处理技能间关系时的不足，导致的过拟合和泛化能力差的问题。

核心思路：GSE框架通过维护技能关系图（SRG）来建模技能间的关系，并通过聚类整合和重放验证来提升技能的泛化能力。

技术框架：GSE的整体架构包括技能关系图的构建、聚类技能整合模块和重放驱动的验证机制，确保技能更新的一致性和有效性。

关键创新：GSE的核心创新在于其全球化的技能演化方法，通过显式建模技能间的关系，克服了传统方法的局限性，提升了技能的可重用性和泛化能力。

关键设计：在设计中，GSE采用了聚类算法进行技能整合，并引入重放机制来验证技能更新，防止过拟合，确保技能在不同任务中的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，GSE在两个软件工程任务中均表现优异，测试生成的精确率和召回率提升了6.1%至34.1%和31.8%至180.0%，而在假阳性过滤中，精确率和召回率提升了15.4%至96.4%和13.1%至19.8%。在内部工业代理的部署中，F1-score提升了61.4%。

🎯 应用场景

该研究的潜在应用领域包括软件工程、自动化测试和智能编程助手等。通过提升编码代理的技能演化能力，GSE能够在实际开发中提高代码生成和错误检测的效率，具有重要的实际价值和广泛的未来影响。

📄 摘要（原文）

Automated skill evolution enables Large Language Model (LLM) agents to continuously improve without expensive retraining. However, existing approaches typically treat skill evolution as a sequence of local updates, overlooking relationships among skills and often producing overfitted skill updates that fail to generalize across tasks. We propose GSE, a globalized skill evolution framework that jointly optimizes skill compatibility and skill generalization. To preserve consistency across the skill bank, GSE maintains a Skill Relation Graph (SRG) that explicitly models and co-evolves inter-skill relationships. To improve generalization, GSE performs cluster-based skill consolidation to abstract reusable capabilities from local updates and employs replay-driven verification to prevent overfitting and behavioral regressions. We evaluate GSE on two representative software engineering tasks: bug-revealing test generation and false-positive bug report filtering. Across two state-of-the-art coding agents, OpenHands and mini-SWE-agent, GSE consistently achieves the best precision, recall, and F1-score. Compared with existing evolution techniques, GSE improves precision and recall by 6.1%~34.1% and 31.8%~180.0% for test generation, and by 15.4%~96.4% and 13.1%~19.8% for false-positive filtering. Deployment on an internal industrial agent further yields a 61.4% improvement in F1-score, demonstrating the effectiveness and generalizability of GSE for evolving effective skills.