一個Agent到底憑什么越來越強有人靠更大的模型有人靠更多數據但北京大學連發(fā)兩篇論文給出了同一條答案讓 Skill 自己進化。這兩篇都來自北大一個叫VeriSkill管程序驗證一個叫SESA管搜索問答自博弈。方向不同內核卻高度一致——它們都不把Skill當成靜態(tài)的、靠人手寫的說明書而是當成一個會從失敗里自我更新的活記憶。第一篇Self-Play MeetsSkillEvolution由中科院中科大北大清華等聯合發(fā)表Skill這塊清華也很高產SESA自博弈遇上進化SkillSESA面對的是另一類Agent——工具增強的搜索問答。自博弈能讓 Agent 自己出題自己解但失敗只貢獻一個梯度不留持久狀態(tài)外部Skill記憶又只從固定任務分布學。兩邊的毛病正好鏡像自博弈會練但會忘Skill記憶會記但不會選題。SESA把過程記憶變成自博弈的進化狀態(tài)用四個階段閉環(huán)。SESA 概念總覽一是記憶啟動用 15 條手寫加 142 條 bootstrap 挖出的技能共 157 條打底。二是不對稱自博弈challenger 出題、solver 解題只有 solver 能檢索技能防止解題策略泄漏給出題方。三是前沿塑形用鐘形獎勵把出題方推向 solver 能力邊界附近的問題太簡單太難的都罰保證失敗是可學的。四是失敗蒸餾把有用的失敗提煉成技能寫回記憶去重、按 help-hurt 淘汰、上限 800 條。SESA 訓練環(huán)這個閉環(huán)的關鍵在于雙向耦合技能更新改變 solver 行為solver 變強又改變 challenger 的獎勵和未來題目分布新題目再制造新失敗、改寫記憶。任務生成和技能記憶一起進化。因為技能參與了訓練軌跡SESA支持雙路復用。最反直覺的結論來自關掉記憶的SESA-Off即便推理時不檢索任何技能訓練過的 solver 相對 SSP 仍有1.8Qwen3-4B和 2.2Qwen3-8B的提升。也就是說技能不是推理時的小技巧而是真的把能力燒進了模型參數再把記憶開回來還能再加 0.5 到 1.0 個點。總體看七個問答基準上SESA平均超過 SSP1.2 到 3.2 個點相對原始模型提升7.0 到 11.8 個點且跨 Qwen3、Qwen2.5、LLaMA-3.1、Search-R1 多個底座都成立。消融里失敗蒸餾貢獻最大去掉掉 2.7 個點前沿塑形掉 2.2記憶啟動掉 1.5。對比已發(fā)布的 SkillRLSESA以 51.0 對 50.1 領先0.9 個點。訓練動力學也印證了設計驗證質量穩(wěn)步上升后穩(wěn)定活躍技能數先膨脹、后因去重和淘汰收縮——是會自我精煉的記憶而不是無限堆積。自進化動力學VeriSkill讓驗證失敗變成可信的Skill更新程序驗證是要證明一段代碼滿足形式化規(guī)范靠 Dafny、Frama-C、VeriFast 這類驗證器。LLM Agent想全自動完成它離不開可復用技能。但驗證器的反饋是失敗的驗證條件又晦澀又不直接可用。VeriSkill用三步把這種廢信號變成可信更新。VeriSkill 總體框架第一步是責任歸因。它把每次失敗分成四類任務不可滿足、證明器能力不足、技能不合規(guī)、技能知識缺口。前兩類跟技能無關直接丟掉只留后兩類作為進化信號。這一步擋住了最大的噪聲來源。第二步是教訓抽象。不為單個例子打補丁而是抽診斷簽名——失敗在哪、缺什么職責、技能文本怎么導致的失敗——把同模式失敗聚類再抽象成一條可復用 lesson并刪掉實例細節(jié)避免把某個具體答案硬編碼進技能。第三步是可執(zhí)行驗證。候選技能要在歸因集和同模式遷移集上反復跑驗證器只有嚴格提升驗證成功率、且不破壞原程序語義才準許進入技能庫。所有結果寫進進化記憶指導下一輪。結果很硬。在三個驗證器、兩套 Agent 配置下VeriSkill六項全勝。相對無技能基線Dafny 提升43.3、Frama-C17.6、VeriFast46.0個百分點Claude Code / Opus 4.8換到 Codex / GPT 5.6 下VeriFast 直接51.3。即便對比最強的同類基線 SkillOpt-Lite它仍分別領先 15.0、9.1、5.7。消融實驗說明三步缺一不可且可執(zhí)行驗證貢獻最大去掉它PASS 從 57.3 掉到 36.0跌 21.3去掉責任歸因跌 13.0去掉教訓抽象跌 8.3。更值得在意的是遷移性。用 Codex 進化出的技能原封不動塞給 Terminus 框架下別的模型依然帶來15.3 到 43.7個百分點的提升。這說明VeriSkill提煉的是可復用知識不是某個模型專屬的 prompt 玄學?？缒Ｐ瓦w移性兩篇合在一起說明了一件事VeriSkill和SESA場景差很遠一個在形式化驗證的硬骨頭里一個在開放域搜索的自博弈里。但它們指向同一個判斷Skill 不該是人手維護的死庫而該是會從失敗中自我進化的活記憶。對做 Agent 的人來說這意味著別再把精力全砸在 prompt 和模型規(guī)模上。把失敗變成可復用、可驗證、會自我更新的技能記憶才是 Agent 能持續(xù)變強的底層邏輯。北大這兩篇把這條路鋪得相當扎實。學AI大模型的正確順序千萬不要搞錯了2026年AI風口已來各行各業(yè)的AI滲透肉眼可見超多公司要么轉型做AI相關產品要么高薪挖AI技術人才機遇直接擺在眼前有往AI方向發(fā)展或者本身有后端編程基礎的朋友直接沖AI大模型應用開發(fā)轉崗超合適就算暫時不打算轉崗了解大模型、RAG、Prompt、Agent這些熱門概念能上手做簡單項目也絕對是求職加分王給大家整理了超全最新的AI大模型應用開發(fā)學習清單和資料手把手幫你快速入門學習路線:?大模型基礎認知—大模型核心原理、發(fā)展歷程、主流模型GPT、文心一言等特點解析?核心技術模塊—RAG檢索增強生成、Prompt工程實戰(zhàn)、Agent智能體開發(fā)邏輯?開發(fā)基礎能力—Python進階、API接口調用、大模型開發(fā)框架LangChain等實操?應用場景開發(fā)—智能問答系統(tǒng)、企業(yè)知識庫、AIGC內容生成工具、行業(yè)定制化大模型應用?項目落地流程—需求拆解、技術選型、模型調優(yōu)、測試上線、運維迭代?面試求職沖刺—崗位JD解析、簡歷AI項目包裝、高頻面試題匯總、模擬面經以上6大模塊看似清晰好上手實則每個部分都有扎實的核心內容需要吃透我把大模型的學習全流程已經整理好了抓住AI時代風口輕松解鎖職業(yè)新可能希望大家都能把握機遇實現薪資/職業(yè)躍遷這份完整版的大模型 AI 學習資料已經上傳CSDN朋友們如果需要可以微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】 北大2篇Skill炸場，Agent徹底進化
一個Agent到底憑什么越來越強有人靠更大的模型有人靠更多數據但北京大學連發(fā)兩篇論文給出了同一條答案讓 Skill 自己進化。這兩篇都來自北大一個叫VeriSkill管程序驗證一個叫SESA管搜索問答自博弈。方向不同內核卻高度一致——它們都不把Skill當成靜態(tài)的、靠人手寫的說明書而是當成一個會從失敗里自我更新的活記憶。第一篇Self-Play MeetsSkillEvolution由中科院中科大北大清華等聯合發(fā)表Skill這塊清華也很高產SESA自博弈遇上進化SkillSESA面對的是另一類Agent——工具增強的搜索問答。自博弈能讓 Agent 自己出題自己解但失敗只貢獻一個梯度不留持久狀態(tài)外部Skill記憶又只從固定任務分布學。兩邊的毛病正好鏡像自博弈會練但會忘Skill記憶會記但不會選題。SESA把過程記憶變成自博弈的進化狀態(tài)用四個階段閉環(huán)。SESA 概念總覽一是記憶啟動用 15 條手寫加 142 條 bootstrap 挖出的技能共 157 條打底。二是不對稱自博弈challenger 出題、solver 解題只有 solver 能檢索技能防止解題策略泄漏給出題方。三是前沿塑形用鐘形獎勵把出題方推向 solver 能力邊界附近的問題太簡單太難的都罰保證失敗是可學的。四是失敗蒸餾把有用的失敗提煉成技能寫回記憶去重、按 help-hurt 淘汰、上限 800 條。SESA 訓練環(huán)這個閉環(huán)的關鍵在于雙向耦合技能更新改變 solver 行為solver 變強又改變 challenger 的獎勵和未來題目分布新題目再制造新失敗、改寫記憶。任務生成和技能記憶一起進化。因為技能參與了訓練軌跡SESA支持雙路復用。最反直覺的結論來自關掉記憶的SESA-Off即便推理時不檢索任何技能訓練過的 solver 相對 SSP 仍有1.8Qwen3-4B和 2.2Qwen3-8B的提升。也就是說技能不是推理時的小技巧而是真的把能力燒進了模型參數再把記憶開回來還能再加 0.5 到 1.0 個點。總體看七個問答基準上SESA平均超過 SSP1.2 到 3.2 個點相對原始模型提升7.0 到 11.8 個點且跨 Qwen3、Qwen2.5、LLaMA-3.1、Search-R1 多個底座都成立。消融里失敗蒸餾貢獻最大去掉掉 2.7 個點前沿塑形掉 2.2記憶啟動掉 1.5。對比已發(fā)布的 SkillRLSESA以 51.0 對 50.1 領先0.9 個點。訓練動力學也印證了設計驗證質量穩(wěn)步上升后穩(wěn)定活躍技能數先膨脹、后因去重和淘汰收縮——是會自我精煉的記憶而不是無限堆積。自進化動力學VeriSkill讓驗證失敗變成可信的Skill更新程序驗證是要證明一段代碼滿足形式化規(guī)范靠 Dafny、Frama-C、VeriFast 這類驗證器。LLM Agent想全自動完成它離不開可復用技能。但驗證器的反饋是失敗的驗證條件又晦澀又不直接可用。VeriSkill用三步把這種廢信號變成可信更新。VeriSkill 總體框架第一步是責任歸因。它把每次失敗分成四類任務不可滿足、證明器能力不足、技能不合規(guī)、技能知識缺口。前兩類跟技能無關直接丟掉只留后兩類作為進化信號。這一步擋住了最大的噪聲來源。第二步是教訓抽象。不為單個例子打補丁而是抽診斷簽名——失敗在哪、缺什么職責、技能文本怎么導致的失敗——把同模式失敗聚類再抽象成一條可復用 lesson并刪掉實例細節(jié)避免把某個具體答案硬編碼進技能。第三步是可執(zhí)行驗證。候選技能要在歸因集和同模式遷移集上反復跑驗證器只有嚴格提升驗證成功率、且不破壞原程序語義才準許進入技能庫。所有結果寫進進化記憶指導下一輪。結果很硬。在三個驗證器、兩套 Agent 配置下VeriSkill六項全勝。相對無技能基線Dafny 提升43.3、Frama-C17.6、VeriFast46.0個百分點Claude Code / Opus 4.8換到 Codex / GPT 5.6 下VeriFast 直接51.3。即便對比最強的同類基線 SkillOpt-Lite它仍分別領先 15.0、9.1、5.7。消融實驗說明三步缺一不可且可執(zhí)行驗證貢獻最大去掉它PASS 從 57.3 掉到 36.0跌 21.3去掉責任歸因跌 13.0去掉教訓抽象跌 8.3。更值得在意的是遷移性。用 Codex 進化出的技能原封不動塞給 Terminus 框架下別的模型依然帶來15.3 到 43.7個百分點的提升。這說明VeriSkill提煉的是可復用知識不是某個模型專屬的 prompt 玄學?？缒Ｐ瓦w移性兩篇合在一起說明了一件事VeriSkill和SESA場景差很遠一個在形式化驗證的硬骨頭里一個在開放域搜索的自博弈里。但它們指向同一個判斷Skill 不該是人手維護的死庫而該是會從失敗中自我進化的活記憶。對做 Agent 的人來說這意味著別再把精力全砸在 prompt 和模型規(guī)模上。把失敗變成可復用、可驗證、會自我更新的技能記憶才是 Agent 能持續(xù)變強的底層邏輯。北大這兩篇把這條路鋪得相當扎實。學AI大模型的正確順序千萬不要搞錯了2026年AI風口已來各行各業(yè)的AI滲透肉眼可見超多公司要么轉型做AI相關產品要么高薪挖AI技術人才機遇直接擺在眼前有往AI方向發(fā)展或者本身有后端編程基礎的朋友直接沖AI大模型應用開發(fā)轉崗超合適就算暫時不打算轉崗了解大模型、RAG、Prompt、Agent這些熱門概念能上手做簡單項目也絕對是求職加分王給大家整理了超全最新的AI大模型應用開發(fā)學習清單和資料手把手幫你快速入門學習路線:?大模型基礎認知—大模型核心原理、發(fā)展歷程、主流模型GPT、文心一言等特點解析?核心技術模塊—RAG檢索增強生成、Prompt工程實戰(zhàn)、Agent智能體開發(fā)邏輯?開發(fā)基礎能力—Python進階、API接口調用、大模型開發(fā)框架LangChain等實操?應用場景開發(fā)—智能問答系統(tǒng)、企業(yè)知識庫、AIGC內容生成工具、行業(yè)定制化大模型應用?項目落地流程—需求拆解、技術選型、模型調優(yōu)、測試上線、運維迭代?面試求職沖刺—崗位JD解析、簡歷AI項目包裝、高頻面試題匯總、模擬面經以上6大模塊看似清晰好上手實則每個部分都有扎實的核心內容需要吃透我把大模型的學習全流程已經整理好了抓住AI時代風口輕松解鎖職業(yè)新可能希望大家都能把握機遇實現薪資/職業(yè)躍遷這份完整版的大模型 AI 學習資料已經上傳CSDN朋友們如果需要可以微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】