SkillLift：从稀疏真值学习密集准则，高效演化技能

大模型智能体日益依靠持久技能，即可复用程序性提示，在不更新权重下适应。现有技能自演化直接依据执行反馈改写文本，但每次真值评估都需完整智能体运行，监督瓶颈使搜索局限于修补失败。我们的关键认识是，排名比绝对结果回归更平滑：判断哪个技能更好，比预测精确分数需要更少真值评估。据此提出SkillLift，学习与真值对齐的准则作为结构化评价空间，将技能搜索与真值成本解耦。我们将其形式化为交替求解的双层优化：内循环用冻结准则作为廉价替代，无真值调用成本地指导修改；外循环调用少量完整运行，通过排名相关性重新对齐准则，摊销成本并稳定文本空间更新。复杂智能体任务实验显示，方法优于现有自动技能方法，较前沿演化方法少40—70%token成本。代码见原摘要链接。