回归税：为什么给LLM智能体添加技能可能适得其反

每个LLM智能体开发者都熟悉这个流程：智能体在某个任务上失败，于是你添加一个技能、一个短脚本、一个验证规则、一个编码为提示的标准操作流程。平均分数上升。问题解决了，对吧？

一篇新论文表明答案更为复杂。2026年7月24日提交至arXiv的《The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents》一文，在近6000次运行中比较了有技能和无技能的智能体，使用了两个办公自动化基准和三个模型测试套件。主要发现是，技能同样会导致失败, , 以往无需技能就能良好处理的任务，当技能出现在上下文中时会突然失败。

作者将这些失败称为“回归”，并认为大多数论文报告的净改进隐藏了一个更深层的真相：表现最佳的技能之所以优于其他技能，主要是因为回归更少，而非收益更多。

什么是回归税？

论文将任务结果分为四类：有技能和无技能均解决、有技能解决但无技能未解决（收益）、有技能失败但无技能解决（回归）、以及两者均失败（残留失败）。大多数评估将收益和回归合并为一个净改进数字，作者认为这掩盖了添加技能的成本。

当他们检视实际导致回归的原因时，识别出三种机制。

三种回归模式

技能描述渗透。一个技能仅仅通过存在于上下文中就会改变智能体的行为，即使它从未被调用。智能体读到一个关于格式化输出的技能，就开始也重新格式化输入；或者读到一个关于错误处理的技能，就变得更加谨慎，从而破坏了先前正常的工作流。

基础定位偏移。技能规定的程序覆盖了智能体解释输入的方式。智能体不再查看实际屏幕，而是遵循技能提供的、与当前状态不匹配的检查清单。智能体停止看到真正存在的东西，开始看到技能告诉它看到的东西。

验证偏移。技能提供的程序抑制了智能体本应对其输出执行的自检。一个原本会双重检查文件路径的智能体停止了双重检查，因为技能说“运行此命令”，而智能体更信任技能而非自己的验证习惯。

收益来自别处

论文并非主张技能无用。收益确实存在，但集中在特定情况。更值得关注的模式来自持续的失败, , 那些无论有无技能都会失败的任务。当作者分析这些失败追踪时，他们发现现有技能过度强调程序性指导，而程序性指导恰恰是最不常导致失败的环节。真正的瓶颈是基础定位（理解当前状态）和验证（检查输出是否正确）。目前技能对两者的支持都不足。

在纠正评估伪影并研究追踪后，作者报告称，许多回归和持续失败可以通过更好的基础定位和验证来恢复，而不是通过更好的程序性技能。

更广泛转变的一部分

该论文加入了一日益增长的研究阵营，重新思考如何评估和构建智能体技能。2026年6月一项比较GUI和CLI智能体的研究发现，当两者获得相同的目标和验证器时，GUI智能体优于依赖技能的CLI智能体，表明技能接口本身引入了脆弱性。另一篇论文SkillCoach（2026年7月）提出了过程评分标准，以评估超越最终准确率的技能使用，分离了技能选择、遵循、组合和反思等维度，这与回归论文中的维度相呼应。而EvoPolicyGym（也是2026年7月）则对智能体迭代改进策略进行了基准测试，其中GPT-5.5在套件中排名第一，暗示技能的迭代优化可能最终减少回归税。

这并不意味着智能体应该停止使用技能。而是意味着那种幼稚的方法, , 把一个技能扔进上下文，然后看着平均数字上升, , 已经不够好了。下一代智能体框架将需要衡量回归，而不仅仅是净改进，并投资于基础定位和验证基础设施，而不是简单堆叠更多程序性规则。

正如论文所言，可靠性更依赖于基础定位和验证，而非程序性技能选择。这对技能优先范式是一个艰难教训，但证据现在要求如此。