SkillWeave: Evidence-Driven Co-Evolution of Instructions, Code, and Workflows for Scientific PDF Translation

摘要

生产系统中的智能体技能由自然语言指令、可执行代码、持久化工作流状态和验证逻辑共同决定。科学论文 PDF 翻译尤能揭示这些组件之间的相互作用：目标段落即使译得流畅，也可能同时存在原文遗漏、数学符号受损、对象归属错误或完成状态误导等问题。本文提出 SkillWeave 框架，将这些失败转化为针对恰当系统层的、由证据驱动的更新。该框架沿着源内容提取、翻译目录、已接受文本、版面组合和渲染产物追踪每个观察到的缺陷，并记录相应变更应归入指令、代码、工作流控制、验证，还是文档局部修复。

我们通过四个引擎版本、六个固定测试样例、48 项机制探测、七种完整或消融条件，以及八次原生区域恢复试验评估该框架。在四个常规样例上，公共验收通过数从 3/4 提升到 4/4。对 24 个数学正例的识别从 0/24 提升到 24/24，同时 24 个负例仍保持零误报。移除两种识别机制中的任意一种，都会漏识别 12 个正例；全部八次恢复试验均满足源区域保真和区域外一致性检查。随后，对一篇真实论文中三页内容开展的纵向案例研究，展示了确定性版面不变量、继承的 SVG 裁剪、字形归属及源内容覆盖检查如何在反复使用中逐步形成。

这些结果为特定引擎机制提供了证据，并推动建立文档级评估协议，以评估指令的效果、迁移能力和语义质量。