ContinualSkillBench：LLM 智能体真能进化自身能力吗？

研究者提出 ContinualSkillBench，一个面向上下文持续技能学习的动态评测框架，覆盖五个领域、每域 100 个按难度排序且可迁移技能的任务。实验显示顺序执行通常提升表现，但增益因模型和领域差异明显；在两个模型、三个领域上，仅保留上下文与反馈而不维护技能库，平均表现与显式技能库几乎相同。较弱模型 GPT-4o 积累技能更多却复用更少，表明其难以将任务经验固化为可复用流程。