# 技能编辑支持正则化

UniSkill 让共享策略同时充当执行动作的 actor 与提出技能库编辑（Add、Update、No Edit）的提议器，用对比动作反馈衡量替换检索技能后当前 actor 在成功与失败轨迹上的动作对数似然差变化，从而无需为每个提议额外 rollout 即可训练提议器，并配合技能编辑支持正则化保持探索；在 ALFWorld 达 98.4% 成功率、WebShop 达 84.7% 成功率，且 250 步联合训练保持稳定。

UniSkill 让共享策略同时充当执行动作的 actor 与提出技能库编辑（Add、Update、No Edit）的提议器，用对比动作反馈衡量替换检索技能后当前 actor 在成功与失败轨迹上的动作对数似然差变化，从而无需为每个提议额外 rollout 即可训练提议器，并配合技能编辑支持正则化保持探索；在 ALFWorld 达 98.4% 成功率、WebShop 达 84.7% 成功率，且 250 步联合训练保持稳定。