CodeSkill 提出潜在技能抽象以提升长时程代码智能体性能

CodeSkill 框架通过层级潜在技能建模，解决代码智能体在长时程决策中存在的代币级优化与高层行为推理不匹配问题。 该方法利用教师模型蒸馏轨迹为多层文本抽象，结合时序变分推理与强化学习，将技能作为潜在语义前缀注入冻结 LLM 策略。 实验显示 CodeSkill 在多种通用及工业级代码基准上性能极具竞争力，且学习到的技能具备强可迁移性与跨领域泛化能力。