迷失于隐式路由：LLM 智能体如何在大规模失败加载相关技能

📌 One-Sentence Summary

该研究揭示，随着可用技能数量的增加，LLM 智能体会出现“技能路由崩溃”，从而无法加载正确的任务特定指令，而是默认执行无技能或加载无关指令。

📝 Summary

本文调查了 LLM 智能体中隐式技能路由的可扩展性。结果表明，虽然在小型技能集上表现良好，但当库规模扩大时，该系统表现显著下降。主要失败模式是无法区分相关技能与大量无关技能，导致“零加载”错误（即无技能应用）的发生率高。

💡 Main Points

当可用技能数量超过一定阈值时，会发生技能路由崩溃。

实验显示，在小型技能集下，智能体保持较高的召回率（73.6%），但在面对 1000 个无关技能时，性能下降至随机水平（27.4%）。系统被淹没，无法从噪音中筛选出正确指令。

主要故障模式是'零加载'错误，即没有技能被加载用于该任务。

智能体经常失败，既不是加载一个特定错误技能，而是根本不加载任何技能（51.6%的案例）。这表明决策过程崩溃，无法获取必要指令。

在大型库中，显式技能选择优于隐式路由。

当实验重复，由用户显式从同一库中选择时，召回率依然很高（73.9%）。这证实问题不是技能质量，而是智能体自主选取的失败。

无关技能描述的语义干扰会导致崩溃。

屏蔽无关技能的描述后，智能体正确加载技能的能力显著提高。这暗示技能文本导致混淆，使智能体误判或忽略相关指令。

💬 Key Quotes

我们观察到了技能路由崩溃：智能体加载更少或根本不加载技能，尽管相关技能是有效的。

📊 Article Meta

AI Screening： 85

Source： Hacker News - Newest: "LLM"

Author： Betelbuddy

Category： 人工智能

Language： 英文

Read Time： 2 min

Word Count： 315

Tags：

AI 与智能应用 , 大语言模型 (LLM) , 系统设计 , 大型语言模型 , 技能路由