AI 代理與開發工具
SKILLER 把 SKILL.md 當成可優化策略，Qwen3.5‑9B 在軟體工程測試達 82.8%
SKILLER 不更新小模型權重，而是讓強模型根據執行軌跡與驗證器回饋反覆修改文字技能。Qwen3.5‑9B 在 SWE‑Skills‑Bench 的三次執行平均分數由無技能時的 26.2% 升至 82.8%，但技能生成仍依賴 GPT‑5.4 與成功參考軌跡。
研究團隊公開 SKILLER，把代理技能視為可由強化學習搜尋的自然語言策略，而不是固定提示或模型參數。目標 Qwen3.5‑4B／9B 在工具環境執行目前的 `SKILL.md`；官方驗證器回傳成功率、測試結果及錯誤訊息，再由 GPT‑5.4 同時擔任 critic 與 actor。Critic 比較失敗軌跡、成功參考軌跡及歷史記憶，找出最早的因果偏離；actor 只使用 Insert、Replace、Create、Delete 四種操作局部修訂技能，必要時亦可建立確定性輔助程式。整個過程不反向傳播至執行模型。
在五步優化排程下，Qwen3.5‑9B 於 117 個 SWE‑Skills‑Bench 案例取得 82.8%，高於無技能的 26.2%、SkillX 的 58.8%及 Manus 技能的 62.4%；4B 版本則由 17.6%升至 66.7%。GAIA 的保留樣本測試也由 37.0%升至 49.59%，顯示方法不只記住單一訓練案例。技術上的重點是把昂貴算力移到離線技能建構階段，部署時仍可使用較小的本機模型與可審閱文字產物。
不過這不是免用前沿模型的方案：生成階段仍需 GPT‑5.4、驗證器及訓練專用參考軌跡，論文的成本分析亦排除小模型後續評測 token。各分數僅為三次執行平均，SkillsBench 還只選取 26 個單技能任務。公開儲存庫提供控制器、提示、benchmark adapter 與技能快照，但不含受上游條款限制的資料、完整軌跡或模型權重，且 SKILLER 程式採 PolyForm Noncommercial 授權。下一步應檢驗技能能否跨模型、runtime 版本及未見工具介面維持效果。