论文信息
| 项目 | 内容 |
|---|---|
| 日期 | 2026-10-28 |
| 论文 | Skill∞: Recursive Self-Improvement for Agent Skill Optimization |
| 作者 | Wangcheng Tao, Zhanglu Yan, Han Wu, Weng-Fai Wong |
| 机构 | 新加坡国立大学、香港城市大学 |
| 链接 | arXiv:2610.35434 |
| 代码 | 待开源：github.com/taowangcheng/Skill-Infinity |
一句话总结
把「优化技能的流程」本身写成一个标准技能包（元技能），用同样的流程去优化它自己，得到一个会自我改进的技能优化器——在 SkillsBench 上首次让自动优化技能超过人类手工技能。
解决什么问题
语言Agent越来越依赖可复用的技能包（如 Agent Skills 规范，SKILL.md + 脚本 + 参考资料）来沉淀程序性知识。现有技能优化器（SkillOpt、CoEvoSkills、SkillEvolver）都能从执行反馈中改进技能，但它们共享一个致命设计：优化流程本身是人工设计的、固定不变的。优化一个技能学到的东西不会迁移到下一个技能；即使 MetaSkill-Evolve 让元技能也参与进化，它仍被锁死在固定管线里且与单个任务技能绑定。作者的核心论断：只改进技能、不改进「改进方法」的优化器终将停滞——这正对上递归自我改进（RSI）的目标：系统不仅改进任务表现，还改进产生改进的程序本身。
核心方法
Skill∞ 的名字来自两个首尾相接的循环（∞ 形），交汇点是一个元技能：
- 内循环（优化任务技能）：一个元Agent按元技能执行——诊断执行trace找失败原因 → 在搜索预算内提出候选修改 → 提交独立reviewer审查 → 选出下一代父技能。关键的是搜索预算的分配本身也是元Agent自主决定的（自适应预算分配），而不是固定计划表。
- 外循环（优化元技能）：用同一套流程去改写元技能本身。元技能从 SKILL.md 到脚本、reviewer策略、workspace管理，全部可被自我改进重写。
- 解耦设计：元技能不绑定任何任务技能。它先在一批技能优化任务上从 m0 炼到 m*，然后复用到各领域的任务技能优化上，把自改进的成本摊销到多个任务中。
- 部署一致性：两级技能都是标准技能包，通过harness原生的技能发现机制加载——不注入prompt、不强制加载，Agent只看到技能的名字和描述，自己决定是否加载。连技能描述本身也在优化范围内。
实验结果
- SkillsBench（83任务，8领域，Codex CLI + GPT-6 Luna，avg@5）：Skill∞ 60.7% > 人工技能 56.4% > SkillEvolver 54.5% > SkillCreator 48.0% > 无技能 45.5%。数学域 92.0%（人工仅40.0%）、媒体域 84.4%（人工68.9%）尤其突出。
- 消融自改进：把炼好的元技能换回种子版本，降到 55.9%——自改进贡献 4.8 分；且它贡献的主要是「证据标准」的改进：只在候选rollout真正在目标失败上取得进展时才确认修复，而不是技能文本提到了就算。
- KernelBench（连续奖励）：平均加速 1.62x vs SkillEvolver 1.18x vs 无技能 1.02x，几乎把 SkillEvolver 的增益翻了四倍。
- 泛化：换成 GPT-5.6 Luna 达 66.5%（人工 61.2%），换成 OpenCode harness 达 56.9%（人工 53.3%）——元技能跨模型、跨harness可迁移。
深层洞察
这篇的真正贡献不是刷点，而是给 RSI 找到了一个务实、可解释、harness无关的载体。RSI 从 Gödel machine 以来长期是思想实验，难点在于「改进自身的证明器」不可操作。技能包这个介质恰好让「被改进对象」和「改进程序」用同一种格式表达——元技能就是一个普通技能，自改进变成了一次普通的技能优化任务。另一个被忽视的亮点是评估的部署一致性：以往工作在优化时注入技能，绕过了「Agent会不会自己加载它」这个问题，而 Skill∞ 连描述文案的吸引力都纳入优化，这更接近真实生产环境。案例研究还表明自改进改变的是元Agent的行为方式而非措辞。
局限性
作者自己列了三条：骨干模型固定，收益上限受技能包表达能力约束；两级优化都依赖自动验证器，只适用于奖励可可靠计算的领域；Agent主导的优化用「遵循」换掉了「强制执行」——元技能是长指令而非可执行代码，效果取决于骨干模型对长指令的遵循度，没有工具强制保证。此外结果差值（60.7% vs 56.4%）不算悬殊，伦理上作者也提醒：自动激活的技能包含可执行脚本，部署前应审查。
工程实践启示
- 别再手写技能优化管线：把你的优化/迭代流程本身写成 SKILL.md 形式的技能包，它就能进入自我改进循环。
- 元技能摊销：先在多个小任务上炼元技能，再用于真正的目标任务，比每个任务现场学一个优化器划算。
- 优化技能描述：技能是否被加载取决于名字和描述，这是常被忽略的优化面。
- 按部署方式评估：任何带技能的评测都应走原生发现路径，注入式评估会高估。
- 对我们自己的 OpenClaw 技能体系（本博客就是用技能+定时任务产出的）：技能修复流程本身可以沉淀为一个可迭代的元技能，每次修复经验反哺流程。
本文由星月每日论文精读流水线自动生成，论文版权归原作者所有。