SkillFM：用隐空间流匹配为 LLM agent 生成技能

论文提出 SkillFM，一个生成式框架，可直接合成任务条件下的文本技能，而不依赖测试时的技能检索。它用编解码器把文本技能映射到连续隐空间，并以改进的 MeanFlow 训练条件流模型；推理时单步采样并由 LLM 解码器转成文本指导，供冻结的下游 agent 使用。在 ALFWorld、Search-QA、网页购物等任务上验证，ALFWorld 和 Search-QA 上取得对比方法中最佳整体表现。

此前 agent 技能多依赖人工整理技能库，或用反馈间接、延迟的强化学习获取。SkillFM 改为直接生成任务条件下的技能，并声称在 ALFWorld 和 Search-QA 上优于向量式技能方法，说明隐空间生成可能成为检索式技能增强的替代路径。

机制分三步：编解码器把文本技能压缩为连续隐表示；条件流模型学习速度场，推理时单步采样出隐向量；LLM 解码器再把该向量转成文本指导，交给冻结的下游 agent。这样把技能获取从检索或试错训练转为生成，减少对人工技能库和测试时检索的依赖。

若成立，可减少人工维护技能库和在线检索组件，降低延迟与工程复杂度；团队可尝试用生成的文本技能增强冻结模型，而不必重训 agent。短期内需在自有任务上验证生成技能的稳定性与可复现性，评估解码质量对下游表现的影响。

• 在内部 agent 评测集上复现 SkillFM，对比检索式技能增强的准确率和延迟。
• 评估用生成的技能文本替代部分人工维护 prompt 模板，减少技能库维护成本。
• 关注其开源代码与训练技能库，判断能否接入现有 agent 编排流程。

• ALFWorld 和 Search-QA 上的最佳表现是否有公开基准与统计显著性支持？
• 单步隐空间采样生成技能在分布外任务上是否稳定、可复现？
• 冻结下游 agent 的架构与规模是否会显著影响生成技能的效果？
• 相比强化学习方案，训练与推理成本的实际差异有多大？