Self-Supervised Skill Optimization
SSO 是一种自监督技能优化框架，仅使用未标注任务实例学习可复用技能。它通过 LLM 判断器比较当前技能与探针技能的执行结果，行为提取器识别行为差异，并基于证据排序行为以生成新技能。更新仅在未标注验证集上表现更优时被接受。SSO 在无 GT 标签的提示优化任务上优于现有方法。
Development
- First ReportSelf-Supervised Skill OptimizationarXiv cs.CL
- Current AssessmentSSO 代表了一种趋势：减少对人工标注和任务特定奖励的依赖，使 Agent 技能优化更可扩展。这可能降低构建专用 Agent 的成本，推动技能库的自动化生成。可验证的下一信号：是否有后续工作将 SSO 应用于实际生产环境中的 Agent 技能库。Agent Pulse · analysis
arXiv 论文 2607.28777v1 提出 Self-Supervised Skill Optimization (SSO)，一种无需 ground-truth 标签、任务分数、奖励或任务特定评估器的比较框架，用于从无标注任务实例中学习可复用技能。SSO 在每一步对未标注批次运行当前技能，用部分执行结果生成完整技能探针，并在同一批次上运行探针。LLM 判断器比较答案、轨迹、工件或终端状态，行为提取器在不看判断结果的情况下识别行为差异。SSO 聚合证据，对行为排序，并渲染新技能。更新仅在未标注验证集上表现更优时被接受。论文声称 SSO 优于现有无 GT 提示优化器。
SSO 的核心创新在于将技能优化转化为比较问题，利用 LLM 判断器进行相对比较而非绝对评分，从而规避了缺乏 GT 标签的难题。行为提取器与判断器分离，可能减少偏差。其接受机制（在验证集上比较）提供了防止退化的保障。可验证的下一信号：SSO 在更多任务（如代码生成、工具使用）上的泛化能力，以及判断器选择对性能的影响。
SSO 代表了一种趋势：减少对人工标注和任务特定奖励的依赖，使 Agent 技能优化更可扩展。这可能降低构建专用 Agent 的成本，推动技能库的自动化生成。可验证的下一信号：是否有后续工作将 SSO 应用于实际生产环境中的 Agent 技能库。
SSO 可降低 Agent 技能优化的标注成本，加速技能库的构建，对提供 Agent 平台或技能市场的公司有直接价值。可验证的下一信号：是否有公司采用 SSO 或类似方法优化其 Agent 技能。
SSO 可能使 Agent 技能库的构建更加自动化，减少人工干预。未来可能看到 SSO 与在线学习结合，实现持续改进。可验证的下一信号：SSO 在长时任务或复杂环境中的表现，以及与其他无监督方法的对比。