记住反而拖后腿：大语言模型智能体技能迁移的三重陷阱

大语言模型智能体的一个重要能力，是从已完成的任务中归纳出可复用的技能，并在未来的任务中调用它们，从而随着经验积累变得越来越强。然而实践中一个被长期忽视的问题浮现出来：这些由智能体自身习得的技能，迁移起来并不可靠，有时甚至会损害检索到它们的智能体。这篇论文正是要回答一个尚未解决的核心问题，即智能体习得的技能究竟在什么条件下才能跨任务可靠迁移。作者的关键贡献在于，把注意力从「能否习得技能」转移到「技能如何被诱导」这一被低估的维度上，并通过系统而受控的实验，揭示技能诱导方式对跨任务迁移效果的塑造作用。论文不仅给出了经验结论，还进一步提出可解释、可计算的技能效用评估框架，把直觉性的观察转化为可量化的诊断工具。这一思路的价值在于，它把技能记忆从被动存储重新定位为需要主动筛选与评估的资源，为后续研究提供了清晰的研究坐标。 在技术方法上，作者围绕两条相互独立的维度展开对比实验。第一条是技能诱导的粒度，即任务级诱导与子任务级诱导：前者把整个任务打包成一条技能，后者则把任务拆解为更细的子步骤分别归纳。第二条是技能表达格式，即文本格式与代码格式，前者用自然语言描述技能，后者用结构化代码呈现。作者通过严格控制的实验设计，固定其他变量，单独考察这两条轴对迁移效果的影响。为了进一步理解实验现象，作者引入两个互补的技能属性度量：特异性衡量一条技能与实际任务之间的贴近程度，抽象度衡量一条技能的相关性在不同任务之间分布是否均匀。这两个属性本身不构成新模型，而是对已习得技能的分析工具，用来解释为什么某些技能迁移好、某些迁移差。作者还提出技能效用分数，把特异性和抽象度的联合效应整合为一个可计算指标，从而把定性判断转化为定量评估。 在实验设置与关键结果方面，作者通过受控对比获得了几条稳定且反直觉的结论。任务级技能平均而言会把智能体的性能压到无记忆基线以下，意味着盲目复用整条任务技能反而有害；而子任务级技能平均能提升到基线之上，说明细粒度拆解更有利于迁移。在格式维度上，文本技能的迁移效果优于代码技能，表明自然语言表述在跨任务复用中更具优势。进一步地，作者发现特异性和抽象度单独都无法预测任务成功，但两者的联合效应可以，这正是技能效用分数得以成立的经验基础。该分数在技能被迁移时与任务成功率保持稳定的相关性，且子任务级与文本技能普遍得分更高。这些消融式的发现共同指向一个判断：技能的价值不取决于它被诱导得多完整，而取决于它是否既贴合真实任务、又不会过度分散到无关场景。 在行业意义与潜在影响方面，这项研究为智能体的长期记忆系统提供了可操作的工程启示。它提醒研究者，技能记忆库不应是无差别堆积经验的地方，而需要主动评估每条技能的可用性。技能效用分数的一个突出优点是，它只需要技能本身和任务描述，无需执行任何任务即可计算，因此可以作为一种低成本、前置化的诊断工具，在新任务启动之前就对技能记忆库进行筛查。这对开源社区意味着可以构建更智能的技能筛选机制，对工业落地意味着能降低经验复用带来的性能回退风险，对后续研究则提供了一条从经验归纳走向经验评估的新路径。整体而言，论文把「如何习得技能」这一老话题，推进到了「如何评估与选择技能」这一更贴近真实部署的新阶段。