本文介绍了两篇关于大模型学习的论文一篇通过技能参数让模型学会学习另一篇通过系统提示词实现技能学习。这两篇论文都旨在解决模型如何真正“学会学习”而不是死记硬背的问题。第一篇论文提出了一种名为Ctx2Skill的方法通过多智能体自博弈让模型自己跟自己对抗从而学会技能。第二篇论文则提出了一种名为OPID的方法通过从模型刚跑完的轨迹中回溯提取技能让模型学会技能。这两篇论文都为模型学习提供了新的思路和方法对于想要深入了解大模型学习的程序员来说是非常有价值的参考资料。最近刷 arXiv清华同期冒出两篇「Skill」的论文。一篇把Skill技能吃进模型参数一篇把Skill技能摆进系统提示词——一个管训练一个管推理。放在一起看你会发现他们其实在回答同一个问题怎么让模型真正「学会学习」而不是死记硬背。第一篇 Ctx2Skill把技能摆出来专治长上下文的无人标注Ctx2Skill 攻的是推理期另一个老大难给模型一坨几万字的长上下文怎么让它会用而不是看完就忘。传统上下文学习的技能得靠人标注长、密、领域专深的上下文标注成本高到不现实想自动化又苦于没有外部反馈——不像代码能跑、数学能验算读一份法律/医疗文档学到了没没人给你打分。Ctx2Skill 的解法是多智能体自博弈既然没人反馈就让模型自己跟自己对抗。Ctx2Skill 总览自博弈循环 Cross-Time Replay五个冻结的 LM 智能体角色迭代博弈Challenger读上下文出题带评分细则专挑模型不会的考。Reasoner在技能引导下答题。Judge中立裁判逐条细则给二元判定全部通过才算解出。每方还各配一个 Proposer把共性的成功/失败模式综合成诊断和 Generator把诊断落成新的技能集。关键设计是严格对抗失败案例路由给 Reasoner 侧去补技能漏洞太容易的案例路由给 Challenger 侧去加难度任何一方都看不到对方的技能集。双方靠累积的自然语言技能共同进化。Figure 1: The illustration of Ctx2Skill.但自博弈有个通病——对抗崩溃Challenger 会越出越刁钻Reasoner 的技能过度特化泛化反而下降。论文里实测 GPT-5.2 的解出率从 36.1% 一路掉到 23.0%。Ctx2Skill 用 Cross-Time Replay 兜底把每轮最难的失败题、最简单的解出题存成探针集事后让每个历史技能集都在探针上重评选难易通过率乘积最大的那一版。乘法形式会惩罚「为了难题牺牲简单题」的偏科技能集。结果16.5% 的最终成绩超过任何一次固定迭代且早期迭代被选最频繁。效果上Ctx2Skill 在自建的 CL-Bench500 上下文、1899 任务、31607 条细则上把 GPT-4.1 从 11.1% 拉到 16.5%5.4甚至带技能的 GPT-4.1 超过了不带技能的 Gemini 3 Pro。技能质量五维评分也全维度领先基线。一个有意思的副产品强模型产出的技能能向弱模型迁移GPT-5.1 的技能给 GPT-4.1 用能逼近 GPT-4.1 自己造的技能反过来则差很多——技能本身有「智力含量」。第二篇 OPID把技能吃进去专治 RL 的稀疏奖励Agentic RL 有个老毛病奖励只在轨迹结尾给一次成功 or 失败中间几十步到底哪一步走对了、哪一步埋了雷模型完全不知道。GRPO 这类方法稳是稳但「一个早期失误就让整条轨迹崩盘」时稀疏奖励几乎给不出学习信号。已有的做法是外挂一个技能库训练时检索几条技能来引导。但外部技能库维护贵而且和当前策略实际遇到的状态对不上——多轮交互里轨迹稍微一偏检索来的技能就文不对题了。OPID 的思路很直接不外挂从模型自己刚跑完的轨迹里回溯提取技能。OPID 方法总览从在线轨迹提取层级技能并路由到技能优势计算它把轨迹 hindsight 拆成两层技能Episode 级技能总结整条轨迹的全局套路——成功轨迹提炼可复用工作流失败轨迹提炼避错规则宽泛稳定当默认指导。Step 级技能只在关键时间步捕捉局部决策比如「别再重复那个无效动作了」更精准但稀疏。然后是关键优先路由critical-first routing走到关键决策点用 step 级技能其它时候回落到 episode 级技能两层不盲目混合。选中的技能被塞回交互历史让旧策略在「有技能」和「没技能」两种上下文下对同一个已采样回复重新打分——回复本身不重新生成。两个对数概率的差就是一个 token 级的自蒸馏优势再和原本的结果优势拼一起做 GRPO 优化。这里最妙的一点推理时什么都不用带——没有分析器调用、没有技能检索、没有特权上下文。技能在训练阶段就把 hindsight 知识内化进了参数。证据很硬模型任务GRPOOPID提升Qwen2.5-3BALFWorld75.084.39.3Qwen2.5-7BALFWorld81.290.08.8Qwen3-1.7BWebShop38.364.826.5更能说明问题的是「内化」实验同样不带技能去推理传统 Skill-GRPO 比 GRPO 还低 14.825.0 分技能成了推理时的拐杖拿掉就瘫而 OPID 反而比 Skill-GRPO 高 24.137.8 分——技能真被写进了权重。而且样本效率明显更高80% 训练数据的 OPID 就能超过 100% 数据的 GRPO。ALFWorld具体案例分析最后对做产品和工作流的同学来说这意味着两件具体的事第一长文档/长会话场景不用再硬堆 promptCtx2Skill 这套自博弈可以离线给每个上下文造一组可复用技能第二Agent RL 不用再忍受稀疏奖励干等终局OPID 这种轨迹回溯自蒸馏能在不增加推理负担的前提下把奖励稠密化。两篇都把技能从人工手写变成了模型自产这才是真正卷的地方。论文标题: From Context to Skills: Can Language Models Learn from Context Skillfully? 论文链接: https://arxiv.org/html/2604.27660v3 GitHub: https://github.com/S1s-Z/Ctx2Skill 论文标题: OPID: On-Policy Skill Distillation for Agentic Reinforcement Learning 论文链接: https://arxiv.org/html/2606.26790v1 GitHub: https://github.com/jinyangwu/OPID/tree/main最后最近两年互联网招人逻辑完全换了赛道只会写基础业务代码、天天做CRUD的传统开发岗位越来越少能落地AI大模型、帮公司做业务智能化的技术人成了各大大厂抢着要的香饽饽。2026年春招市场大模型相关岗位直接稳居招聘第一位AI相关岗位数量同比暴涨8.7倍在所有新经济岗位里占比从2.78%飙升到22.03%简单说10个技术岗2个都是AI大模型岗。头部大厂2026春招全员押注AI传统岗位持续缩编字节春招总共放出7000个名额研发岗480070%名额全部倾斜AI开发、AI产品人才缺口巨大腾讯春招扩招1万人技术岗扩招36%、产品岗扩招39%扩招核心全是大模型方向华为全年持续开放AI实习岗覆盖全赛道底层算力基建、大模型应用开发、LLM工程师、AI数据安全隐私等数据来源脉脉侵删不管你是写了多年代码的老程序员、刚入行的初级开发还是零基础想转行跨进互联网的普通人现在几乎所有企业招人都把 “会大模型落地” 当成硬性加分项。只会传统开发未来只会面临裁员、降薪、岗位缩减主动学大模型才能躲开内卷抓住持续多年的高薪风口。别等行业淘汰再补救现在入局正是红利期今天贴心为大家准备好了一系列AI大模型资源包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。有需要的小伙伴可以点击下方链接免费领取【保证100%免费】1、学习路线图2、视频教程网上虽然也有很多的学习资源但基本上都残缺不全的这是我自己整理的大模型视频教程上面路线图的每一个知识点我都有配套的视频讲解。都打包成一块的了不能一一展开总共300多集3、技术文档和电子书这里主要整理了大模型相关PDF书籍、行业报告、文档有几百本都是目前行业最新的。4、LLM面试题和面经合集这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。5、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。6、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取