ViSkill：以演化式视觉原生技能强化VLM智能体

现有技能增强agent多偏文本化，将空间布局与动作-状态对应线性化为语言，丢失关键几何结构。作者提出ViSkill，一种视觉原生技能学习框架，将成功交互编码为VLM agent可直接访问的复合视觉技能卡；检索到的技能同时指导推理与奖励塑形，成功轨迹再蒸馏回技能库，形成技能积累与策略改进相互强化的闭环，并提供可选冷启动机制加速早期学习。在Sokoban、FrozenLake和PrimitiveSkill上评测。

AI推荐理由 提出ViSkill视觉原生技能学习框架，将成功交互编码为复合视觉技能卡供VLM agent使用，检索技能同时指导推理与奖励塑形，成功轨迹再蒸馏回技能库形成闭环。在Sokoban、FrozenLake和PrimitiveSkill上评测，对agent技能学习与策略优化结合有方法价值，但摘要中性能提升数值被截断。