智能体与自主科学
突破级
暂无讲解视频
收录解读
给 LLM agent 配技能一直有明显瓶颈：人工写技能不扩展，自动生成技能又容易只记住局部轨迹里的偶然经验，最后得到的是脆弱、碎片化、难迁移的 skill。对于想把 agent 做成长期能力系统的人，这个问题比单次任务得分更关键。
Trace2Skill 的核心做法不是按单条轨迹顺序修补，而是并行调度多个子代理去分析大批执行轨迹，先抽出 trajectory-local lesson，再做分层归纳，把冲突经验合并成一个统一、可迁移的技能目录。它既能强化已有人工技能，也能从零生成新技能，并强调跨模型规模与 OOD 迁移。
它对仓库的价值很直接：这是 agent capability acquisition / skill evolution / skill marketplace 方向里少见的可复用方法论文，真正把“从运行经验中蒸馏技能”从想法推进到了可执行工作流。对后续的技能库、能力注入和长期 agent 学习都有强外溢。
它没有更高一级，是因为目前验证域仍相对集中，且体系依然偏 pipeline engineering，距离成为跨框架默认的技能演化标准还有距离；但作为正式收录的突破性工作已经足够稳。