SkillRise：让智能体积累技能，而不是每次重学

一篇叫 SkillRise 的新论文（arXiv 2607.26784）盯上了当下智能体一个挺诚实的短板：什么都从头学。解完一个任务，把琢磨出来的东西一扔，明天碰到类似的任务，重新开始。SkillRise 提出一套智能体强化学习的做法，让智能体把技能攒下来、跨任务带走，能力是复利式累积，而不是每次归零。

底下押的注值得直说。一个一次性智能体和一个会越来越强的智能体，差别不在模型更大，而在于有没有一个耐用、能迁移的技能库，以及一套知道怎么把它养大的训练循环。跨任务迁移才是所有人一笔带过的难点，因为复用到底发不发生，就卡在这。

这事正好落在一波真实的浪潮中间。Anthropic 把 skills 塞进了 Claude，最近一连串技能蒸馏、技能发现的论文，整个领域都在绕着同一个直觉打转：智能体进步的最小单位，也许是技能，而不是一次权重更新。SkillRise 是让这个直觉变得可训练的又一次尝试。论文在 arxiv.org/abs/2607.26784。