SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale

把大型 skill library 的选择问题建模成 typed directed graph，而不是单纯 embedding 相似度检索。图边表达依赖、冲突、特化和重复关系；每次检索返回 vector matches、typed-edge neighbors 和 conflict signals，agent 还能通过 propose-then-commit 把执行证据写回图。论文在 ALFWorld 和 SkillsBench 上报告 MiniMax-M2.7 达到 67.1% success、27.3% reward，比 Graph-of-Skills baseline 高 12.8 和 8.6 点。它适合关注 skill 数量变大后如何保持选择稳定性的读者。