Task Decomposition-Guided Reranking for Adaptive Agent Skill Retrieval

SkillReranker 面向大型 skill library 中“多个泛化 skill 都语义相近”的选择难题，在 inference time 用任务分解来重排候选 skill。它同时分解 task 和 skill，生成 subtask、execution-state 与 transition-state 描述，再构成一个有向无环执行图：中间 task states 是节点，candidate skills 是边。ALFWorld 和 ScienceWorld 上使用 3 个 backbone LLM 的实验显示，它相对既有 skill selection baseline 提升任务表现，同时减少环境交互步数和 token 消耗。