上个月截稿ddl的ICLR2027朋友们都跟着冲了吗？
现整理了 ICLR 2026、ICML 2026、CVPR 2026、AAAI 2026、ACL 2026、KDD 2026 六大顶会 ，合计整理出 460 篇2026年高引机器学习论文。
下面介绍两篇关于skill的高引论文：
这两篇论文，一篇专治过度思考，一篇专治学完就忘。共同点是：它们都相信"技能"应该被显式地拆解、沉淀、复用。
论文合集，回复「2026机器学习顶会合集」全拿走
第一篇：DRP——教师不动笔，只动剪刀
背景：不是不会，是想太多
以 o1、DeepSeek-R1 为代表的推理模型靠长思维链封神，但小模型学这套容易走火入魔：冗余回溯、反复自我纠正，token 烧了一堆，还容易被自己的啰嗦带偏。现有两条路都不完美——推理时剪枝容易"想一半就交卷"，蒸馏压缩则有个隐形炸弹：教师是简洁的 Short-CoT 风格，学生是话痨 Long-CoT 风格，风格错位导致学生根本学不动教师的答案。
DRP 框架总览：让学生模型自己生成长思维链，教师模型负责剪枝，再蒸馏回学生。
方案：学生的作业，教师来批改
DRP 的思路很妙：不让学生抄教师的答案，而是让教师把学生自己的作业改短，再让学生照着改后版本重新学。三步走：
技能感知分解：教师把学生生成的思维链切成原子步骤，每步标注用了什么技能——"读取数量""代数表示"……比按句子硬切更细（平均 12.6 步 vs 8.3 步），语义边界也更稳； 步骤级剪枝：教师对每步四选一——保留、删除、改写、合并，最后还要按学生原本的语气风格重写一遍，保证"还是你自己说话的味道"； 监督微调：用剪枝后的精炼轨迹做 SFT，让学生内化"短而准"的推理习惯。
技能分解 → 四动作剪枝 → 蒸馏回学生
结论：token 砍六成，分数还涨了
效果堪称"既要又要"的范本：
GSM8K：平均 token 从 917 砍到 328（-64%），准确率反而从 91.7% 升到 94.1% ； AIME24：token 减 43%，精度纹丝不动； 1.5B 小模型受益最大，GSM8K 准确率提升 **12.7%**——精炼监督有效弥补了小模型容量不足。
token 分布整体左移、长尾消失见
核心洞察一句话：好的训练 CoT 不但要短，还要在结构上像学生自己写出来的——这才是知识能迁移的前提。
第二篇：SAGE——别再用 Prompt 哄 Agent 进步了
上图：技能库智能体的交互循环。下图：Sequential Rollout 与 Skill-integrated Reward 机制，
背景：RL训出来的Agent，出了训练集就裸奔
LLM Agent 在固定场景里 RL 训练后表现惊艳，但部署到新环境就原形毕露——它记住了答案，没学会学习。技能库是个自然的解法：把成功经验沉淀成可复用的技能函数，遇到相似任务直接调用。但现有方案全靠 Prompt 驱动，效果取决于模型心情，技能质量和复用率都没保障。
方案：把"攒技能"写进奖励函数
SAGE 基于 CodeAct 构建技能库智能体：Agent 与环境交互时直接生成 Python 函数作为技能，支持使用、生成、更新、保存四种操作。在此之上做了两个关键设计：
Sequential Rollout：不再对单任务做 rollout，而是让 Agent 在同一 scenario 的任务链上顺序执行——前一个任务生成的技能自动入库，供后一个任务调用。这样"前一个任务生成了好技能"的奖励信号，能通过后一个任务的成功反向传播回去； Skill-integrated Reward：在任务结果奖励之外，当 q₁ 生成的技能被 q₂ 调用且 q₂ 也成功时，两段轨迹都拿额外奖金——显式鼓励"生成得好"和"用得对"。
训练走"SFT 打底（Claude 3.5 专家轨迹）→ SAGE RL 精进"两阶段。
结论：token 省六成，技能成功率翻倍
AppWorld 上的成绩单相当能打：
对比无技能库的 GRPO 基线：SGC 从 51.8% → 60.7%（+8.9%），TGC 达 72.0%； 效率同步飙升：交互步数 -26% ，生成 token -59% ——技能复用把复杂操作序列压缩成了单次调用； 技能使用成功率从基座的 0.31 拉到 0.72，翻了一倍多
写在最后
两篇论文一个往内看、一个往外看，但共享同一个信念： "技能"是可拆解、可沉淀、可复用的结构单元。DRP 把推理轨迹里的技能步骤剪出来压缩，SAGE 把环境交互里的技能函数存下来复用——都把"用好历史经验"从提示词玄学，升级成了训练信号科学。
今天介绍到这里，上篇文章介绍了几个好用的科研skill一组王炸Skill，WorkBuddy杀疯了，「科研skills合集」获取：
论文标题: DRP: Distilled Reasoning Pruning with Skill-aware Step Decomposition
论文链接: https://arxiv.org/abs/2505.13975
论文标题: Reinforcement Learning for Self-Improving Agent with Skill Library
论文链接: https://arxiv.org/abs/2512.17102