Repo-To-Skill：将GitHub仓库蒸馏为AI4AI技能

自主代理开始开展端到端的机器学习 (ML) 研究。这些代理将模型主干与用于规划、执行、存储和验证的工具相结合，但这种架构仍然将特定领域的专业知识保留在代理之外。我们将这种缺失的层称为操作知识，即将了解方法与使其发挥作用分开的专业知识。该领域并不缺乏这种知识。它出现在存储库和论文中，但以为人类读者编写的形式出现，并且太大而无法在任务期间加载。一旦提炼成紧凑的、经过验证的技能，这些知识就可以在任务中重复使用，而不是在每次运行期间重新发现。我们推出 DisCo，这是一种以技能为动力的研究代理，可以创造技能并在研究过程中使用它们。它的提炼以两种互补的形式进行：与任务无关，将领域广泛使用的存储库压缩为可重用的技能；以及面向任务，产生具体任务所需的技能。前者应用于整个开放生态系统，产生了 AREX 技能库，其中包含从 1,000 个广泛使用的 ML 存储库中提取的 5,000 多种经过验证的技能，并组织成 20 个领域和 178 个功能系列。在 GPT-5.5 主干、研究工具和下游执行预算保持不变的情况下，与没有技能的相同代理相比，配备技能的研究代理在 MLE-bench 上的得分高出 134.3%，在 PaperBench 上高出 34.4%，在 FrontierCS 上高出 9.2%，在 PassNet 上高出 14.0%。这些收益来自于在固定设置下添加精炼的操作上下文。