Skills-Coach: A Self-Evolving Skill Optimizer via Training-Free GRPO

发布

2026年05月01日

采集 2026年05月01日 06:31

学术前沿 6.0 分 — Skills-Coach无训练GRPO技能自进化优化器

原文： arxiv.org

评分 6 · 来源： · 发布于 2026-05-01

评分依据：Skills-Coach无训练GRPO技能自进化优化器

Debiasing Reward Models via Causally Motivated Inference-Time Intervention

Learning When to Remember: Risk-Sensitive Contextual Bandits for Abstention-Aware Memory Retrieval in LLM-Based Coding Agents