SkillEvolver：作为元技能的技能学习

如今的智能体技能是静态产物：一次性编写完成——或经人工整理、或从参数化知识一次性生成——随后被原样使用，没有任何从真实使用中改进的机制。我们提出SkillEvolver，一种轻量、即插即用的在线技能学习方案，其中单个元技能迭代地编写、部署并精化领域专用技能。SkillEvolver的学习对象是技能的文本与代码而非模型权重，因此所得产物无需再训练即可放入任何智能体；元技能本身也只是另一个技能，任何符合协议的CLI智能体都可通过同一接口加载。与轨迹蒸馏不同，元技能只在部署所学技能之后进行精化，使学习信号来自另一个智能体在使用该技能时遭遇的失败——而非仅来自探索性轨迹。精化迭代由全新智能体过拟合审计把关，以捕捉可能的泄漏以及部署技能特有的失败，包括"静默绕过"模式，即技能在内容上看似有效却在运行时从未被调用。在覆盖15+个领域的83个SkillsBench任务上，SkillEvolver达到56.8%准确率，而人工精选技能为43.6%、无技能基线为29.9%；在来自KernelBench的三个GPU内核优化任务上，它还将平均加速比从1.16提升到1.51。