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-Bench（500 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	GRPO	OPID	提升
Qwen2.5-3B	ALFWorld	75.0	84.3	+9.3
Qwen2.5-7B	ALFWorld	81.2	90.0	+8.8
Qwen3-1.7B	WebShop	38.3	64.8	+26.5

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 14.8～25.0 分（技能成了推理时的拐杖，拿掉就瘫），而 OPID 反而比 Skill-GRPO 高 +24.1～+37.8 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 prompt，Ctx2Skill 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4800+，70%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？