香港中文大学等团队提出COBRA-Skills方法，仅用50个样本将Agent技能优化成本降低55%至58%

过去，智能体的技能大多依赖人类专家手动撰写，不仅耗时费力，更难以覆盖海量复杂的真实场景。为此，借助大模型自动化生成与优化技能，成为让Agent迈向自主进化的新范式。然而，摆脱人工束缚后，却面临高昂的Token账单。验证一个自动生成的技能是否有效，必须让智能体在真实任务中执行，每一次试错都消耗Token和时间。

针对这一问题，香港中文大学深圳等高校研究团队在论文中提出COBRA-Skills，将技能优化转化为带预算控制的情境多臂老虎机问题。论文链接：https://arxiv.org/abs/2609.11682

COBRA-Skills摒弃盲目堆叠Token的演化路线，巧妙地将技能优化转化为带预算控制的情境多臂老虎机问题。它在真实评估前增加收益预判机制，确保只有最具潜力或探索价值的候选技能进入实际演练，并结合精细化算子迭代种群。凭借高效筛选策略，仅用50个优化样本，将优化成本降低55%至58%，在6个跨领域Benchmark上实现对现有主流方法的全面超越。

团队设计双轮闭环：老虎机负责筛选，进化负责重构。系统维护技能种群，每轮先由老虎机算法为每个技能打分，挑选最高者；然后实战检验，在优化集上执行任务返回奖励与轨迹；最后反馈更新历史数据，并触发进化更新淘汰低分技能并生成新技能。

引入老虎机将Token消耗拦在评估之前。团队采用两层MLP预测收益，并结合LinearUCB量化探索，最终优先级分数为预测奖励加探索奖励。每轮仅挑选得分最高者送入评估，低质技能被过滤。

基于轨迹证据演化，告别全局重写。进化机制采用对数调度触发，避免频繁调用高阶LLM。每次更新淘汰最低m个技能，由再生、轨迹变异、交叉重组三种算子生成新技能。团队强调保守局部修改，以保护原有结构。

在6个异构基准上验证，包括SearchQA、SpreadsheetBench、DocVQA、LiveMath、SocialMaze和ALFWorld。COBRA-Skills在三个目标模型上均取得最高平均性能，相比无技能基线大幅提升，并在成本上与SkillOpt相比降低55%-58%，教学Token节省67%-80%。

在成本控制上，总优化成本降低55%-58%，教学模型Token消耗大幅缩减67%-80%，每单位性能提升的成本降低60%-69%。