Trace2Tower：针对LLM智能体的多层技能诱导——基于过渡感知的特征追踪方法

arXiv 于 2026 年 9 月 7 日发布论文《Trace2Tower: Transition-Aware EigenTrace Induction of Multi-Level Skills for LLM Agents》，提出了一种新的强化学习框架。该框架利用对比谱分解将原始交互轨迹蒸馏为稳健的技能层级，并通过验证器反馈进行持续优化。其核心机制包括构建由语义兼容性、转换动力学和结果证据统一管理图结构，以此隔离成功行为模式并抑制失败捷径。在 ALFWorld 基准测试中，Trace2Tower 仅需 10.35 步且无效动作占比为 0.26%，即实现了 87.31% 的成功率；在 WebShop 基准上达到了 50.67% 的精确成功率。这些表现显著优于现有的基线模型。