当智能体技能适得其反，SkillProx 像梯度下降一样修剪它们

给 LLM 智能体添加一项技能，性能通常会上升。但添加一百次之后，情况可能反过来：智能体携带了一整套程序、警告和修复，而其中相当一部分如今在拖后腿。一篇于 2026 年 8 月 7 日发布在 arXiv 上的预印本论文认为，该领域一直没有充分把这个过程当作一个优化问题来对待。

来自学术团队的 SkillProx 将技能维护定义为文本空间的梯度下降。智能体编辑自己的技能，测量结果，保留有帮助的部分，并且关键的是，删除没有帮助的部分。论文报告称，在多个骨干 LLM 上，其在分布内和分布外基准上的平均准确率相比最强的基于梯度的基线提升了 3.0 个百分点。

技能适得其反的频率比平均值所显示的更高

SkillProx 所针对的问题，在今年夏天 arXiv 上一系列相关工作中已有记录。其中一篇论文《The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents》在近 6000 次运行中，跨两个办公自动化基准和三个模型 harness 栈，比较了有技能和无技能的智能体。其发现是：技能会产生性能回退, , 即没有技能时能解决、有技能后反而失败的任务, , 其发生率高到足以让最佳技能集主要是在这一维度上胜出。平均改进掩盖了一种双向的记账问题。

SkillProx 的作者认为，现有的技能编辑系统让问题变得更糟，因为它们只诊断失败而不测量结果，并且把删除当作一种普通的编辑操作。一项曾经有用的技能可能悄悄变成一个干扰项，而循环中没有任何机制迫使智能体注意到这一点。

一次正向传播、一次反向传播和一次回滚

SkillProx 借鉴了近端梯度方法的结构, , 这是现代机器学习中许多优化工作的核心, , 并将其应用到文本空间。其名称本身就点明了要点：除非测量结果证明有必要移动，否则更新会保持接近先前的技能。

正向阶段以闭环方式工作。智能体在相同的任务批次上重新执行由诊断驱动的编辑，测量发生了什么变化，并回滚导致性能回退的编辑。这些结果会反馈到下一轮诊断中，因此智能体不是在猜测某项技能为何失败。

反向阶段是该框架与前代工作的不同之处。技能被分解为可审计的知识单元，每个单元的贡献通过一个冻结的留一效用审计来估计：移除它，重新运行，并归因差异。随后，一个验证门决定一个单元是被整合、降级还是移除。删除不再是常规编辑，而成为保持累积知识诚实性的专门机制。

技能管理的繁忙季节

SkillProx 出现在大量关于自进化智能体的研究之中。SkillCoach 从真实 rollout 中推导出基于技能的过程准则，以评估智能体遵循其携带技能的程度。OPID 提供在策略上蒸馏的 token 级监督，而不依赖早期变体所使用的外部技能记忆。SkillZip 通过在不运行评估的情况下发现可复用结构，来压缩臃肿的技能库。

SkillProx 的贡献指向另一个方向。它不去给技能使用打分，也不去压缩文件，而是让删除成为一种与添加同等严谨的一等操作。它所优化的复合目标在任务损失与技能复杂度之间取得平衡，换句话说，智能体不应携带一项成本高于其回报的技能。

数据，以及论文未涉及的部分

所报告的 3.0 个百分点提升是针对“最强的基于梯度的基线”测得的，而组件消融实验将结果归因于设计的两个部分：闭环诊断和近端细化。该预印本没有说明其测试的骨干 LLM，因此该机制在不同模型家族之间的迁移效果，有待完整论文和复现实验来回答。

随着技能库不断变大，SkillProx 的编辑是否仍然安全，以及留一审计是否能扩展到非常大的技能集，都是预印本未能解决的开放问题。它也没有提及是否会发布代码。

这项工作所传递的信号是，该领域对待智能体记忆的方式正在转变。技能不再是简单地累积。它们会被管理、测量和修剪，并应用一些与处理权重相同的纪律。那个刻意遗忘的智能体，最终可能胜过那个记住一切的智能体。