SimSkill：用于自主掌握交通模拟的终身学习AI智能体

文章背景与核心概要

随着大语言模型（LLM）能力的不断增强，其长期价值日益取决于如何将过往经验和积累的知识转化为持久、可复用的能力，而不仅仅是解决孤立的请求。本文介绍了 SimSkill，这是一个围绕城市流动性模拟（SUMO）交通模拟器构建的自进化AI智能体。SimSkill 通过终身学习框架运行：1. 差距识别：检测交通模拟工作流中的能力差距；2. 任务执行：生成并解决基于环境的任务；3. 行动-评论循环：迭代验证解决方案；4. 记忆巩固：将学到的见解存储到情景、程序和语义记忆中，而无需更新底层的骨干LLM模型。

在两个保留基准（held-out benchmarks）上使用三个骨干LLM并通过独立的基于制品的验证进行评估，SimSkill 将验证通过率提升了多达25个百分点。消融实验突出了程序记忆和语义记忆的互补贡献，尽管性能提升仍然取决于具体的骨干模型和Token预算。最终，SimSkill 展示了一种范式：自然语言保留了计算能力，而可执行的工具和代码则确保了精确、可复现的执行。

arXiv: arXiv:2609.03753 [cs.AI]
Subjects: 人工智能 (cs.AI); 多智能体系统 (cs.MA)
Authors: Qi Liu, Qinzheng Wang, Yiming Bie
Submitted: 3 September 2026
Links: 查看 PDF | HTML 版本 | GitHub 仓库
(许可证: CC BY 4.0)

执行摘要

随着大语言模型（LLM）能力的不断增强，其长期价值日益取决于如何将过往经验和积累的知识转化为持久、可复用的能力，而不仅仅是解决孤立的请求。

As large language models (LLMs) grow more capable, their long-term value increasingly relies on converting past experience and accumulated knowledge into durable, reusable competence rather than just solving isolated requests.

本文介绍了 SimSkill，这是一个围绕城市流动性模拟（SUMO）交通模拟器构建的自进化AI智能体。SimSkill 通过终身学习框架运行： 1. 差距识别： 检测交通模拟工作流中的能力差距。 2. 任务执行： 生成并解决基于环境的任务。 3. 行动-评论循环： 迭代验证解决方案。 4. 记忆巩固： 将学到的见解存储到情景、程序和语义记忆中，而无需更新底层的骨干LLM模型。

This paper introduces SimSkill, a self-evolving AI agent built around the Simulation of Urban MObility (SUMO) traffic simulator. SimSkill operates through a lifelong learning framework: 1. Gap Identification: Detects capability gaps in the traffic simulation workflow. 2. Task Execution: Generates and solves environment-grounded tasks. 3. Action-Critic Loop: Verifies solutions iteratively. 4. Memory Consolidation: Stores learned insights into episodic, procedural, and semantic memory without updating the underlying backbone LLM model.

在两个保留基准（held-out benchmarks）上使用三个骨干LLM并通过独立的基于制品的验证进行评估，SimSkill 将验证通过率提升了多达25个百分点。消融实验突出了程序记忆和语义记忆的互补贡献，尽管性能提升仍然取决于具体的骨干模型和Token预算。最终，SimSkill 展示了一种范式：自然语言保留了计算能力，而可执行的工具和代码则确保了精确、可复现的执行。

Evaluated on two held-out benchmarks using three backbone LLMs with independent artifact-based verification, SimSkill improves verified completion rates by up to 25 percentage points. Ablation studies highlight the complementary contributions of procedural and semantic memory, though performance gains remain dependent on the specific backbone model and token budget. Ultimately, SimSkill demonstrates a paradigm where natural language preserves computational capabilities while executable tools and code ensure precise, reproducible execution.