多轮Agent蒸馏终于不翻车！港中文x通义新方法成功率暴涨18点，训练还快32%
多轮Agent蒸馏终于不翻车！港中文x通义新方法成功率暴涨18点，训练还快32%把强大模型的能力“蒸馏”给小模型，听起来很美—— 但放到多轮对话Agent场景里，效果往往一塌糊涂。
来自主题: AI技术研报
9537 点击 2026-05-07 10:17
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
把强大模型的能力“蒸馏”给小模型，听起来很美—— 但放到多轮对话Agent场景里，效果往往一塌糊涂。
2026 年初，浙江大学发表了一篇系统性的 SoK 论文《Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward》，给Skill下了一个正式定义。
你或许刷到了一段来自印度南部服装厂的视频。 工厂工人佩戴头戴摄像头，记录手部动作以训练人工智能系统。 这是因为随着特斯拉、Figure AI 等公司竞相开发人形机器人，训练它们所需的真实世界动作数据变
一个毫无代码的文本，竟连霸GitHub热榜第一。Karpathy的编程神技被化作「AI紧箍咒」，让乱写Bug的大模型瞬间老实！
继skill同事之后，有聪明人迁移泛化了一下： 既然可以蒸馏任何人，那为什么不让乔布斯马斯克给我打工呢？
办公室里，一排排工位整整齐齐，每个人对着屏幕敲敲打打，看起来和平常没什么两样。
「小猫补光灯」的作者花生...啊不...这人改名叫花叔了...hhhh，又整了一个新活：一周 8000 多个 star
近期，一个叫“同事.skill”的GitHub项目5天收获超过6600颗星，冲上热搜。紧接着，“前任.skill”“老板.skill”“父母.skill”十余个衍生项目接连涌现。网友辣评：“同事，散是Token，聚是Skill。”
故事是这样的。 最近各种把同事、把前任、把各种知识蒸馏成Skill的东西特别火。
强化学习已经成为大模型后训练阶段的核心方法之一，但一个长期存在的难题始终没有真正解决：现实环境中的反馈往往稀疏且延迟，模型很难从简单的奖励信号中推断出应该如何调整行为。