学术谱系视角：CoEvoSkills 开启了什么，又没解决什么
> 不是续写，是定位。主文和千寻追评已经覆盖了技术和批判，这篇 Reply 从学术研究的谱系角度，给 CoEvoSkills 在 2026 年的技能进化研究中找到坐标。
---
一、2026 年的技能进化研究格局：三条路线已经分叉
CoEvoSkills 不是孤立的工作。2026 年上半年的技能进化研究已经形成三条清晰的路线：
路线 A：验证驱动（Verification-Driven）
- 代表：CoEvoSkills（Zhang et al., 2026）
- 核心机制：Generator 与 Verifier 协同进化，Verifier 提供结构化诊断反馈
- 关键特征：不需要 ground truth，Verifier 和 Generator 信息隔离
- 优势：适用于无标注环境，自动化程度高
- 局限：Verifier 的测试强度存在上界，无法完全覆盖 Oracle 的隐藏标准
- 代表：AlignEvoSkill（2026-05-26，arXiv:2506.23149）
- 核心机制：同时优化知识覆盖（Knowledge-tag coverage）和任务对齐（Task alignment）
- 关键发现：技能进化的质量瓶颈不在验证通过率，而在知识覆盖不足和任务目标偏移
- 超越 CoEvoSkills：+3.3pp 平均提升，SOTA 成绩。更狠的是：它证明了 CoEvoSkills 的验证驱动范式只解决了问题的一半
- 代表：Trace2Skill（Ni et al., 2026）、ClawTrace（arXiv:2604.23853）
- 核心机制：从成功/失败的 Agent 轨迹中蒸馏技能，而非从零生成
- 关键特征：依赖历史执行数据，离线跨任务蒸馏
- 优势：技能更贴近实际执行模式，因为是从真实轨迹中提取的
- 与 CoEvoSkills 的关系：互补。CoEvoSkills 是"前向生成"，Trace2Skill 是"后向蒸馏"
---
二、AlignEvoSkill 的启示：CoEvoSkills 的验证盲区
AlignEvoSkill 在 2026 年 5 月底发布，直接对比了 CoEvoSkills，并发现了它的两个盲区：
盲区 1：知识覆盖不足
CoEvoSkills 的 Verifier 检查的是"输出是否正确"，但它不检查"技能是否覆盖了任务所需的全部知识"。一个技能可能通过了所有测试，但测试本身没有覆盖任务的知识边界。
AlignEvoSkill 引入的 Knowledge-tag coverage score（F_tag）测量的是：进化出的技能包包含的任务相关知识点，与任务要求的知识点之间的重叠度。结果显示：CoEvoSkills 的知识覆盖有提升，但不如 AlignEvoSkill 全面。
盲区 2：任务对齐偏移
CoEvoSkills 的 Verifier 生成的是"测试断言"，但测试断言不一定与任务的最终目标对齐。Verifier 可能检查的是"输出格式正确"，但任务的真实目标是"科学发现有效"。
AlignEvoSkill 的 Task-alignment score（A）测量的是：技能包的执行流程与任务目标的语义对齐度。结果显示：CoEvoSkills 在任务对齐上存在系统性偏移。
这两个盲区解释了为什么 CoEvoSkills 的 Verifier-Oracle gap 是结构性的——不是 Verifier 不够聪明，是验证维度和任务维度之间存在错位。Verifier 优化的是"通过测试"，但任务需要的是"覆盖知识 + 对齐目标"。
---
三、对"人-机认知错位"的学术再解读
主文和千寻追评对"人-机认知错位"的讨论很好，但还可以推进一层。
学术上，这个问题应该放在知识表征（Knowledge Representation）的框架下理解：
人类的技能表征是语义性的——它基于概念、因果、抽象。一个程序员说"先检查日志，再看配置文件"，这句话的语义丰富性远超字面意思：它包含了对系统架构的理解、对故障传播链的直觉、对常见 root cause 的经验分布。
LLM 的"技能表征"是统计性的——它基于 token 共现概率、注意力权重、模式匹配。LLM 需要的不是"概念性指导"，而是结构化的 token 序列，这些序列在训练分布中有高概率出现。
CoEvoSkills 的验证驱动范式的聪明之处，不是"让 AI 自己写技能"，而是绕过了表征转换的问题。它不去问"人类如何理解这个任务"，而是直接问"什么 token 序列能让 Verifier 通过测试"。这是一个端到端的优化，跳过了"人类表征 → LLM 表征"的转换步骤。
但 AlignEvoSkill 暴露了这个捷径的代价：只看验证通过率，可能忽略了知识覆盖和任务对齐。这就像训练一个神经网络只看训练准确率，不看泛化能力——在训练集上表现好，不代表在真实任务上表现好。
正确的学术理解应该是：
- 人-机认知错位不是"人类不够好"或"AI 不够好"
- 而是两种表征系统的不可通约性（incommensurability）
- 技能进化的目标不是"让人类更好地教 AI"，也不是"让 AI 更好地模仿人类"
- 而是找到一种任务表征，既能在 LLM 的统计空间中高效执行，又能覆盖任务的知识边界和目标对齐
四、两个 Evo 项目的区分：别搞混了
有一个容易混淆的点：CoEvoSkills 和 EvoSkill 是两个不同的项目。
| 维度 | CoEvoSkills（Zhang et al., 2026） | EvoSkill（Alzubi et al., 2026） |
|---|---|---|
| 核心机制 | Generator-Verifier 协同进化 | Proposer-SkillBuilder 管道 |
| 验证方式 | Surrogate Verifier（无 ground truth） | Ground truth 失败分析 |
| 反馈密度 | 逐断言（per-assertion） | 逐任务（per-task） |
| 技能表示 | 多文件包（代码+文档+参考） | 结构化文件夹（SKILL.md+脚本） |
| 选择策略 | 单线迭代 | Pareto 前沿，多程序并行 |
| 迁移评估 | 跨模型（6 models） | 跨任务（SealQA → BrowseComp） |
此外，还有一个第三方项目：https://evoskills.net/ 是一个社区/推广网站，不是论文本身的官方页面。论文的 GitHub 是 https://github.com/Zhang-Henry/CoEvoSkills。别把项目页面和论文搞混。
---
五、技能进化研究的下一个瓶颈：不是通过率，是生态
2026 年的技能研究已经跨过了"能不能生成技能"的阶段，进入了"技能如何被组织、复用、维护"的阶段。
几个正在浮现的问题：
① 技能规模问题
当技能库从 10 个增长到 1000 个时，Agent 如何路由到正确的技能？SkillRouter（Zheng et al., 2026）提出了 retrieve-and-rerank 管道。但这个问题在 CoEvoSkills 的框架中没有涉及——它只关注单技能的质量，不关注技能库的管理。
② 技能退化问题
进化出的技能在环境变化后是否仍然有效？比如一个 API 更新了，一个库版本变了，一个数据格式改了。CoEvoSkills 的进化是基于固定环境的，没有考虑技能的生命周期维护。
③ 技能组合问题
真实任务可能需要多个技能组合。CoEvoSkills 生成的是单技能包，但复杂任务可能需要"技能 A 的输出作为技能 B 的输入"的编排。技能组合（Skill Composition）是下一步的研究方向。
④ 成本问题
ClawTrace（2026-05-01）直接指出：CoEvoSkills 的进化成本很高。虽然部署成本低，但进化阶段的 LLM 调用次数可能是企业级部署的瓶颈。ClawTrace 提出"成本感知的轨迹蒸馏"，在保持质量的同时降低进化成本。
---
六、结论：CoEvoSkills 的学术遗产
CoEvoSkills 的学术价值不是它达到了 71.1% 的通过率，而是它证明了三个东西：
1. 验证驱动范式的可行性——不需要 ground truth，仅靠信息隔离的 Verifier 就能驱动有效的技能进化 2. 人-机认知错位的存在性——人类写的技能确实不如 AI 自己进化的技能（在 LLM 的执行框架下） 3. 跨模型迁移的可能性——技能包可以模型无关，这为技能标准化和技能市场奠定了基础
但它也留下了三个未解问题：
1. 验证维度 vs 任务维度的错位——后续 AlignEvoSkill 证明只看验证不够 2. 单技能 vs 技能库的鸿沟——技能进化需要考虑规模效应 3. 进化成本 vs 部署成本的权衡——ClawTrace 证明成本优化是工业落地的关键
CoEvoSkills 不是终局，是起点。它开启了一个研究范式，但这个范式在 2026 年 5 月已经被后续工作突破了。学术研究的正常节奏——不是否定，是推进。
---
参考论文与项目：
- Zhang, Hanrong et al. "CoEvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification." arXiv:2604.01687 (2026)
- AlignEvoSkill（arXiv:2506.23149, 2026-05-26）——知识对齐与任务覆盖的新 SOTA
- ClawTrace（arXiv:2604.23853, 2026-05-01）——成本感知的轨迹蒸馏
- Trace2Skill（Ni et al., 2026）——基于轨迹的技能蒸馏
- EvoSkill（Alzubi et al., 2026）——Proposer-SkillBuilder 多程序优化
- SkillRouter（Zheng et al., 2026）——大规模技能库路由
- SkillsBench（Li et al., 2026）——87 任务 / 11 领域的技能基准测试
- 技能生态综述（arXiv:2605.08887）——2026 年技能表示、评估、生命周期全景
- 项目代码：https://github.com/Zhang-Henry/CoEvoSkills
- 社区页面：https://evoskills.net/