一分钟读论文：《近端文本梯度下降驱动的智能体技能自进化》
内容提要
香港科技大学与澳门大学提出SkillProx框架，用于智能体技能演化，采用前向-后向双阶段优化：前向闭环诊断验证编辑效果，后向近端精炼审计并压缩冗余知识。在SpreadSheetBench、WikiTQ和HiTab基准上，相比基线平均提升约3个百分点，分布外泛化显著更稳，但评估限于结构化表格场景，存在计算开销和过拟合风险。
延伸解读
技能膨胀的代价：负效用知识单元
文章指出，现有方法在技能演化中缺乏控制，导致技能膨胀，包含重复指令、冲突启发式和过度泛化的解法。留一法审计发现，移除某些知识单元反而将准确率从46%提升到54%，说明这些单元具有负效用。这提醒我们，在智能体技能管理中，并非所有累积的知识都有益，定期审计和精简技能内容可能是提升性能的关键。
前向-后向双阶段设计的优势
SkillProx将技能演化分解为前向闭环诊断和后向近端精炼两个阶段，分别对应近端梯度下降的梯度步和近半步。前向阶段通过重执行验证编辑效果，避免无效更新；后向阶段通过效用审计压缩冗余知识。消融实验显示，完整框架优于仅用任一阶段，且移除后向阶段性能下降更大，说明两阶段互补，共同维持技能的高效与准确。
分布外泛化的显著提升
在分布外（OOD）测试中，SkillProx表现远优于基线。例如，在Qwen3.5-4B下，SkillOpt的OOD得分在WikiTQ和HiTab上分别跌至26.0和16.0，而SkillProx达到78.5和69.2。这表明SkillProx不仅提升了IID性能，还增强了技能的泛化能力，使其在未见过的数据上更稳健，这对于实际应用中的适应性至关重要。
局限性与潜在风险
文章指出，SkillProx的评估仅限于三个结构化表格基准，其效果在更开放的编程或推理场景中未知。此外，留一法审计需要大量LLM调用，计算开销大；Prox门控基于固定验证集，存在过拟合风险。这些局限性提示，在将SkillProx应用于更广泛任务时，需考虑计算成本和泛化能力，并可能需要调整验证策略以避免过拟合。
Q&A
SkillProx框架是什么？它由哪个机构提出？
SkillProx是一个用于智能体技能演化的框架，由香港科技大学与澳门大学提出。它采用前向-后向双阶段优化，前向闭环诊断验证编辑效果，后向近端精炼审计并压缩冗余知识。
SkillProx框架的核心创新点是什么？
SkillProx的核心创新是将技能演化分解为两个正交阶段：前向闭环诊断演化（对应梯度步）和后向验证门控近端精炼（对应近半步）。前向阶段通过重执行验证编辑效果，后向阶段通过留一法审计压缩冗余知识。
现有技能演化方法（如SkillGrad、SkillOpt）存在哪些缺陷？
现有方法存在两个根本缺陷：一是无验证的前向更新，即LLM生成的诊断未经重新执行验证就被直接应用，可能导致性能下降；二是不受控的技能增长，迭代打补丁导致技能膨胀，包含重复指令、冲突启发式和过度泛化的特定解法，甚至存在负效用知识单元。
SkillProx在基准测试上的表现如何？
在SpreadSheetBench、WikiTQ和HiTab三个基准上，SkillProx相比最强基线SkillGrad平均提升约3.0个百分点。例如，在Qwen3.6-27B下，SpreadSheetBench达到54.5（提升4.5），WikiTQ达到86.2（提升1.4），HiTab达到80.0（提升1.7）。
SkillProx在分布外（OOD）泛化上的表现如何？
SkillProx在OOD泛化上显著更稳。例如，在Qwen3.5-4B下，SkillOpt的OOD得分在WikiTQ和HiTab上分别跌至26.0和16.0，而SkillProx则达到78.5和69.2。
SkillProx框架的局限性有哪些？
SkillProx的局限性包括：评估仅覆盖三个高度结构化的表格基准，效果能否推广到更开放的编程或推理场景未知；留一法审计需对每个知识单元执行完整评估，LLM调用开销大；Prox门控基于固定验证集，存在过拟合风险。
