Branch2Skill：通过推理树实现高效技能演化

技能演化通过反馈随时间改进智能体技能，失败轨迹常通过暴露不完整或误导性行为提供有信息量的信号。然而现有方法主要依赖单条轨迹，早期推理错误会在后续步骤中传播，削弱可用于技能改进的反馈。因此改进技能需要反复进行回放、诊断与更新循环，产生大量token成本。为应对这一挑战，我们提出Branch2Skill，一个将单棵推理树转化为技能演化稠密监督的高效框架。对每个任务或问题，Branch2Skill在固定预算下进行蒙特卡洛树搜索以获得多样推理轨迹，然后将精英路径与共享相同前缀的兄弟备选比较，提取分步证据，指明哪些推理模式应保留、修改或避免。最后，Branch2Skill把多步证据蒸馏为可复用的更新，使一棵推理树能跨多个推理步骤提供监督，减少重复的回放-更新循环。在覆盖推理与agentic任务的六个基准上，Branch2Skill持续提升任务性能并提高技能演化效率。例如，以GPT 5.5为目标模型时，Branch2Skill比SkillOpt少用73.2%的token，同时取得更优性能。这些结果表明，推理树不仅能支持更有效的轨迹搜索，还能提供更丰富的监督以实现更高效的技能改进。代码将发布。