skill-transfer

EconSkills提出了一种技能库与评估框架，使Web智能体能够迁移和检索处理实时经济数据的流程知识，在受控迁移中提升效率，并在库规模评估中展现竞争力。

Google Research的WikiSkill预印本展示了将执行历史编译成技能文件可以让一个9B AI模型在基准测试中超越27B模型，突出了程序记忆和技能转移在代理性能中的作用。

WikiSkill通过持久化维基来进化和转移技能，显示拥有此类技能的小模型在基准测试中优于无此技能的大模型，引发了关于AI代理中哪些知识应持久化的疑问。

一条帖子说明用户可以在7月7日前免费将 Opus 4.8 转换为 Fable 5，之后 Fable 5 将消耗积分。帖子提供了最大化利用剩余窗口期的技巧，包括让 Fable 5 编写一个 SKILL.md 文件，将推理模式迁移到 Opus 4.8。

提出一种使用Three.js的盲视觉范式，用于测试从大模型提取的过程性脚手架能否在无需微调的情况下提升小模型输出，并由盲评模型验证。

介绍了AFTER，一个包含382个企业任务的基准，用于评估LLM智能体中的程序性记忆，表明技能迁移能提升跨任务、角色和模型骨干的性能，部分技能广泛泛化，而另一些则专业化。

本文介绍了SkillMigrator——一个能够学习可复用网页技能（作为可迁移交互模式，TIP）的代理，它通过匹配布局结构在不同网站间迁移技能，在基准测试中将LLM动作次数减少8-10%。

Hivemind 是一个开源工具，让多个 AI Coding Agent（如 Claude Code、Codex、Cursor）共享一个记忆层，自动从使用轨迹中挖掘高质量模式并转化为可复用的技能文件，实现跨工具和跨团队的技能传播，显著降低 token 消耗和交互轮次。

LatentSkill将文本技能转换为存储在权值空间中的LoRA适配器，减少上下文开销，同时保持LLM智能体的模块化和可组合性，在ALFWorld和Search-QA基准测试上取得了显著改进。