最新研究打破幻想：Agent自生成技能毫无用处，模型无法自救

针对AI Agent的最新研究推出了SkillsBench基准测试，通过86项任务和7308条轨迹评估了“技能”对智能体的实际增益。结果显示，人工精心策划的技能能将任务通过率平均提升16.2%，且小模型配合技能甚至能匹敌大模型。然而，结论极具颠覆性：由模型“自生成”的技能（Self-generated Skills）平均没有带来任何收益。这表明当前大模型无法可靠地编写出它们自己能受益的程序性知识，Agent的进化仍高度依赖人工干预而非自主学习。