新闻详情

新闻详情

首页 / 资讯中心 / 详情

为什么 VibeSkills 值得关注?SkillsBench 大规模基准实测:+21.12pp 奖励、节省 29.6% Token 消耗

发布时间:2026/11/20 3:01:22来源:尧图网络
为什么 VibeSkills 值得关注?SkillsBench 大规模基准实测:+21.12pp 奖励、节省 29.6% Token 消耗
为什么 VibeSkills 值得关注SkillsBench 大规模基准实测21.12pp 奖励、节省 29.6% Token 消耗【免费下载链接】Vibe-SkillsIntelligent Skill routing and workflow orchestration for AI agents — 21.12 pp reward, −29.6% tokens on SkillsBench with DeepSeekV4Flash-VE.项目地址: https://gitcode.com/gh_mirrors/vi/Vibe-SkillsVibeSkills 是一个专为 AI Agent 设计的智能技能路由与工作流编排工具它会自动扫描你本地安装的大量 Skills为复杂任务挑选真正相关的技能并有序执行。在 SkillsBench 大规模基准测试中VibeSkills v4.1.0 相比未配置技能的基线平均奖励提升21.12 个百分点同时 Token 消耗下降29.6%、工具调用减少33.1%。这对正在管理几十个甚至上百个 Skills 的用户来说意味着任务完成得更好账单还更便宜。SkillsBench 实测结果三组核心数字SkillsBench是专门检验 AI Agent 能否借助 Skills 完成跨领域专业任务的基准测试。为了让测试更接近真实生产环境项目团队做了关键改造原基准每题只配一个相关 Skill改造后每道题都在安装了全部 195 个专业 Skill 的全局环境中执行考察 Agent 能否从庞大的技能池中自主发现、选择并编排出有效工作流。测试基于 DeepSeekV4Flash-VE 与 OpenHands 进行结果非常直观 指标Native 基线VibeSkills变化平均 Verifier Reward50.3%71.4%21.12 pp满分任务数39 项57 项18 项逐题对比领先 4 项领先 23 项55 项持平值得注意的细节满分任务从 39 项增至 57 项且绝大多数任务 VibeSkills 表现持平或更优说明提升是全面变强而非个别爆点。Token 消耗降低 29.6%省下来的钱从哪来总 Token从491.122M降至345.756M比例约为基线的0.70工具调用从9,954 次降至6,664 次比例约为0.67为什么任务做得更好了花费反而更少团队对日志的分析给出了答案VibeSkills 并没有调用更多 Skills。它的做法是先明确目标确认任务目的、约束与交付要求拆分任务把复杂任务拆成若干可检查的子任务精准选技能从候选池中只挑少量真正相关的 Skill按依赖关系排序执行基线 Agent 的常见问题——在错误方向反复调工具、重复读取同一上下文、返工重来——被这套规划先行 交付前检查的流程大幅削减。换句话说省下的不是能力而是无效试错。VibeSkills 智能技能路由是如何工作的安装了很多 Skills 之后最尴尬的事莫过于忘了自己装过什么、不知道该调用哪个。VibeSkills 的定位正是本地技能库的调度大管家它的工作分五步每一步都回答一个具体问题确认需求目标、约束、交付物不明确时先停下来问推荐级别按任务规模推荐L顺序推进或XL更细拆分、可并行组织 Skills审查本地技能目录把合适的 Skill 分配到具体工作并写明交付标准执行留痕完成、失败、受阻状态都会记录下次会话可直接续跑检查结果逐项对照计划验收有未完成项则阻止最终交付一个常见疑问是技能库很大会不会很费 Token不会。VibeSkills 先在本地生成轻量索引技能名、描述、适用边界只对入围候选读取完整的SKILL.md真正执行的只是写进计划的那几个技能。技能库决定的是可选范围而不是每次都要用完。这套入口契约定义在 SKILL.md运行时协议见 protocols/runtime.md。真实案例一个完整机器学习实验的交付项目内置了一个公开的实战案例 docs/cases/ml-experiment/用公开数据完成可复现的分类实验交付数据审计、统计复核、4 张结果图、科学报告和 7 页组会 Slides。执行过程的关键数字很有说服力100 个已安装 Skills 中只选出 7 个 → 拆成 5 个工作组、10 个工作单元 → 10/10 全部完成 → 17/17 项验收检查通过。最终验收报告可以直接查看 docs/cases/ml-experiment/evidence/delivery-acceptance-report.json。快速上手三步开始使用 VibeSkills下载安装包公开安装建议从发布版本 ZIP 开始不要直接从仓库 checkout 安装步骤详见 docs/install/README.md指向 Skills 目录安装以默认目录为例bash ./install.sh --skills-dir $HOME/.agents/skills调用在任何支持本地 Skills 的 AI 应用中通过$vibe或/vibe唤起它会自动发现、挑选并组织你的技能库安装后目录结构、检查与更新方式都有文档覆盖排错可参考 docs/troubleshooting.md整体架构可阅读 docs/architecture.md。总结VibeSkills 解决的是一类真实痛点技能越装越多AI 反而越乱用。SkillsBench 大规模实测证明它的智能技能路由与流程编排能同时改善结果质量21.12pp与使用成本−29.6% Token、−33.1% 工具调用而且提升来源清晰——更准确的规划而非堆砌调用。如果你已经积累了一批 Skills并想让 Agent 端到端地把复杂任务交付到位这个开源项目值得放进你的工具清单 。【免费下载链接】Vibe-SkillsIntelligent Skill routing and workflow orchestration for AI agents — 21.12 pp reward, −29.6% tokens on SkillsBench with DeepSeekV4Flash-VE.项目地址: https://gitcode.com/gh_mirrors/vi/Vibe-Skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉