技能也会越用越厚
Agent 的技能进化有一个心照不宣的假设:这套技能是给它自己用的,它自己长出来的经验,自己用最合适。Google 研究团队的一项实验把这个假设测了一下,结果反了:Qwen-3.5-9B 用 27B 模型进化出来的技能,比自己进化出来的技能表现更好——ALFWorld 上 70.2% 对 63.4%,差了快七个百分点。
技能也会越用越厚
Agent 的技能进化有一个心照不宣的假设:这套技能是给它自己用的,它自己长出来的经验,自己用最合适。Google 研究团队的一项实验把这个假设测了一下,结果反了:Qwen-3.5-9B 用 27B 模型进化出来的技能,比自己进化出来的技能表现更好——ALFWorld 上 70.2% 对 63.4%,差了快七个百分点。
这项工作叫 WikiSkill,出发点是一个观察:现有的技能进化方法每轮迭代都在生成知识——哪些操作成功了、哪些坑要绕开——但这些洞见散落在各轮优化的历史里,下一轮很少系统性地翻旧账。换句话说,技能在进化,经验却在漏。
三层结构,把漏的接住
WikiSkill 把 Agent 的工作区改成三层:最底下一层存原始执行轨迹,写完就封存、不许改——这是证据层;中间一层是 wiki,一个持续维护的知识库,专门有个「维护者」角色把底层的轨迹反复蒸馏、合并、去重,把散落的洞见整理成有结构的条目;最上面一层才是技能本身,每次更新技能,先翻 wiki 再动手。经验到知识、知识到技能,两条通道分开维护,不再靠某一次进化碰运气。
消融实验证明中间那层不是摆设:抽掉持续的 wiki 积累、只保留散落在技能进化产物里的知识,性能明显回落。技能进化能不能持续长本事,关键就在这份越积越厚的 wiki。
小模型和大模型的两种读法
基准上的主结果指向一个双重结论。一方面,模型越大,从进化技能里赚得越多:同一族 Qwen 里,4B、9B、27B 三个尺寸的增益分别是 12.3%、17.5%、23.9%,随规模递增——这和此前一项把操作编译成代码的研究看到的「脚手架收益随模型规模增长」是同一个方向,技能不是小模型的拐杖,是所有模型都能踩的踏板。
另一方面,技能确实能补偿参数量:带着 WikiSkill 的 Qwen-3.5-9B 在基准上拿到 47.4%,压过了不带技能的 Qwen-3.6-27B 的 39.4%——小一个代、小三个尺寸,靠积累的技能反超。两件事同时成立说明:技能的收益对大模型更大,但没有技能的大模型,会被带着技能的小模型撵上。
别人的经验为什么更好用
跨模型迁移那组实验把「技能发现的难」和「技能执行的难」拆开了看。技能能不能找到并表述清楚,是一难;拿到手会不会用,是另一难。27B 模型见多识广,它蒸馏出的技能条目更准;9B 模型执行这些条目并不吃亏——两者分工,反而比 9B 自己边执行边摸索着写技能更好。同一模型家族内部如此,跨家族(Qwen 进化的技能交给 Gemini 执行)也大体成立。
这给「每家都要从零进化自己的技能」这种做法泼了盆冷水:如果别人进化的技能比你自己的还好用,那技能积累这件事就可以是公共的、可交易的——进化技能的竞争,比的不只是谁执行得好,还有谁把经验蒸馏得干净。
*信源:WikiSkill(arXiv 2608.27454《WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution》,Google Research:Liyan Tang、Cyrus Rashtchian、Chun-Sung Ferng、Andrew Tomkins、Da-Cheng Juan、Tu Vu)。数字均出自论文:三层架构(Raw/Wiki/Skills)、Qwen-3.5-9B 带 WikiSkill 47.4% 对无技能 Qwen-3.6-27B 39.4%、增益随规模递增(4B/9B/27B 为 12.3%/17.5%/23.9%)、ALFWorld 上 9B 用 27B 进化的技能 70.2% 对自进化 63.4%、LiveMath 全五模型增益 20.6-39.6 点,逐条核过。素材悬账(11-10 记账「9B 逆袭 27B 的 47.4% vs 39.4% 待核」)核为属实;「脚手架收益随模型规模增长」的对照为 SkillCompiler(arXiv 2610.39508,本号前帖)。*