从轨迹到技能：模型自动生成 Agent Skills 全生命周期的系统研究
精读 arXiv 2605.23899，全面解析 Agent Skill 生命周期三阶段（经验生成、技能抽取、技能消费）中的关键发现与工程启示。
Archive
文章
分享、阅读摘记、文章解读和持续生长的想法。
SPD 论文精读：不用外部信号，如何把模型自己的能力“投影”出来？
解读 Self-Policy Distillation 如何用正确性 token 的梯度抽取能力子空间，再用 KV 投影生成更可蒸馏的数据。
SkillOpt 论文精读：把 Agent Skill 当成可训练参数
解读 SkillOpt 如何用 rollout、反思、文本学习率和验证门，把冻结 Agent 的技能文档训练成可迁移的程序性知识。
SDPO 论文精读：让强化学习从“结果分数”转向“失败反馈”学习
解读 Reinforcement Learning via Self-Distillation 如何把运行时报错、判题文本和成功样例转成密集信用分配，并在代码、推理与测试时训练中提升样本效率。
读懂 SDFT：Self-Distillation 如何让模型持续学习而不遗忘
精读 Self-Distillation Enables Continual Learning，拆解 SDFT 如何把示范学习改写成近似 on-policy 的自蒸馏，并分析它为何比 SFT 更能抗遗忘。
Self-Distilled Reasoner 论文精读：同一个模型，如何用标准答案教会“较弱的自己”推理
解读 Self-Distilled Reasoner 如何提出 OPSD，用同一 LLM 的 teacher/student 双上下文做 on-policy self-distillation，在数学推理中以更低采样成本追平或超过 GRPO。
Agent-R 论文精读：让语言 Agent 学会及时反思与纠错
解读 Agent-R 如何用 MCTS 构造修正轨迹，并通过迭代自训练让 LLM Agent 学会在交互任务中及时反思。
AEPO 论文精读：Web Agent RL 里的熵不是越高越好
解读 AEPO 如何在 rollout 和 policy update 两阶段平衡高熵探索，缓解 Web Agent 强化学习中的分支坍缩和梯度裁剪问题。
ARPO 论文精读：为什么 Agent RL 要在工具调用后分叉探索
解读 ARPO 如何用工具调用后的高熵信号做自适应 rollout，并用 advantage attribution 训练多轮工具型 Agent。
Context-Folding 论文精读：把长程 Agent 的上下文折起来
解读 Context-Folding 如何用 branch/return 与 FoldGRPO，让长程 Agent 在小活跃上下文里完成深度研究和代码任务。