Xudong Han(@Xudong07452910):很多模型单项能力不差，一进入长任务，却容易卡在上一种思路里。比如先做数学推导，再安排计划，最后从文档中提取信息。每一步单独完成都不算难，连在一起以后，模型常把前一步的解题方式和输出格式带到下一步。普林斯顿等团队这篇论文提出了「Skill Entropy」，用来衡量模型从一种技能切换到另一种技能有多难。他们还构建了 Skill2-Bench，覆盖数学、编程、科学、规划、信息提取和写作等 9 个领域，共 558 项技能。实验发现，同一项技能放进跨技能长任务后，准确率会下降约 4%～13%。技能切换越困难，模型表现通常越差。为了解决这个问题，作者提出 Skill-Entropy RL：模型在每一步回答前，先判断当前需要调用什么技能，再根据答案正确性和技能切换是否合理获得奖励。训练后，Qwen3-4B 的得分从 34.4% 提升到 68.4%，Qwen3-1.7B 也从 14.6% 提升到 40.1%。这项工作把长时推理的瓶颈从「会不会做」，进一步拆成了「能不能及时换挡」。对于更强的 Agent，需要积累足够多的技能，也要知道什么时候结束上一种思路，切到下一种。 📎 arxiv:

2026.08.07 03:30

很多模型单项能力不差，一进入长任务，却容易卡在上一种思路里。比如先做数学推导，再安排计划，最后从文档中提取信息。每一步单独完成都不算难，连在一起以后，模型常把前一步的解题方式和输出格式带到下一步。普林斯顿等团队这篇论文提出了「Skill Entropy」，用来衡量模型从一种技能切换到另一种技能有多难。他们还构建了 Skill2-Bench，覆盖数学、编程、科学、规划、信息提取和写作等 9 个领域，共 558 项技能。实验发现，同一项技能放进跨技能长任务后，准确率会下降约 4%～13%。技能切换越困难，模型表现通常越差。为了解决这个问题，作者提出 Skill-Entropy RL：模型在每一步回答前，先判断当前需要调用什么技能，再根据答案正确性和技能切换是否合理获得奖励。训练后，Qwen3-4B 的得分从 34.4% 提升到 68.4%，Qwen3-1.7B 也从 14.6% 提升到 40.1%。这项工作把长时推理的瓶颈从「会不会做」，进一步拆成了「能不能及时换挡」。对于更强的 Agent，需要积累足够多的技能，也要知道什么时候结束上一种思路，切到下一种。 📎 arxiv: