从学习者行为到可重复使用的技能，以实现有效和高效的学习者模拟

学习者模拟旨在重现特定学习者在新任务中的行为方式。尽管大语言模型（LLM）可以生成越来越细粒度的学习行为，但现有方法通常需要重复处理不断增长的交互历史来重建学习者。这引入了额外的上下文和推理成本，并使所获得的特定于学习者的模拟能力难以在不同的大语言模型之间重复使用。因此，我们提出 Learner2Skill，它将从历史交互中获得的模拟能力外化为持久且可重用的模拟技能。该技能捕获学习者当前的学习状态和重复的响应模式，随着新的真实交互的到来而发展，并且可以通过轻量级执行器校准来适应新的大语言模型，而无需从头开始重建学习者。实验表明，Learner2Skill 更忠实地再现了细粒度的学习者行为，同时降低了总体词元成本，并且相同的构建技能可以在不同的 LLM 执行者之间有效地重用。