论文arxiv cs.CL · 1w ago重要
The Scaling Laws of Skills in LLM Agent Systems
分类释义：学术论文 / 技术报告
TL;DR
研究分析了15个前沿模型在1141个技能、300万次决策中的表现，发现路由准确率随技能库规模对数衰减，错误会逐渐被过于通用的“黑洞技能”捕获。
关键要点
- 01研究分析了15个前沿模型在1141个技能、300万次决策中的表现。
- 02发现路由准确率随技能库规模对数衰减。
- 03错误会逐渐被过于通用的“黑洞技能”捕获。
为什么值得关注
揭示了智能体系统性能不仅取决于模型能力，还受技能库结构和粒度的影响，为优化AI Agent设计提供了可操作的定律指导。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 在系统架构评审时加入技能库规模评估指标，设定技能数量上限阈值避免路由准确率衰减到不可接受范围 |
| 应用工程师 | 设计技能时优先采用细粒度划分，避免创建覆盖范围过大的"黑洞技能"，每个技能控制在明确的领域边界内 |
| 运维/平台 | 监控技能路由的准确率指标，当库规模扩展时及时触发告警，为技能库增长预留容量规划 |
| 产品/业务 | 暂无直接影响，了解即可 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5