结论

萨里大学计算机科学学院团队在北京时间10月22日公开预印本Robust Soft Skill Adaptation via Behavioral Localization in Tool-Using Agents，提出行为定位法压缩工具智能体文本技能。作者报告，仅用轨迹中10%关键位置监督长度为8的软提示，即可捕获96.12%的正向技能增益；在SpreadsheetBench上，共享设置成功率由全轨迹基线的30.36%提升至36.79%，任务专用设置达57.38%，超过完整文本技能与在线蒸馏基线。该结论限于受控基准与冻结模型的作者实验，为预印本未经同行评审，需独立复现。

方法与评估条件

作者提出的行为定位器对比冻结基座在有无文本技能下的下一词元分布，计算成功词元的对数概率增益与全词表分布的JS散度，两者乘积为定位分，取排名前10%的位置为核心监督位置。在核心位置最小化文本技能与软提示预测分布的KL散度，在其余保持位置以无技能分布为锚约束漂移。训练时基座参数冻结，仅优化软提示，目标是以稀疏行为变化替代冗长文本技能，降低上下文与推理成本。编辑解释：该设计聚焦技能真正改变决策的关键点，而非复述整条成功轨迹。

实验设置来自当日全文：评估基准为SpreadsheetBench表格任务，训练用61条由GPT-5.5生成的成功教师轨迹，学生模型为冻结的Qwen3.6-35B-A3B，软提示长度为8并以文本技能前置词元初始化。评估采用贪婪解码，单任务最多4096词元成本与600秒执行超时，仅当生成输出通过全部基准检查才记为成功。对照包括无技能、完整文本技能、全轨迹离线压缩基线SoftSkill与在线OPCD基线，区分共享提示与任务专用两种条件。

结果

作者称，聚合分析显示正向增益高度集中，10%词元覆盖96.12%的技能效应。共享提示下，选择性监督达36.79%，高于全轨迹SoftSkill的30.36%，但仍低于在线OPCD；任务专用下，Top 10%定位位置达57.38%，高于完整文本技能与OPCD。作者据此认为少量行为相关位置可提供充分监督，且未改模型参数即可让从不绘图之外的基座稳定使用压缩技能。此为作者在单一基准上的报告，不是普遍能力结论，也未获独立验证。

局限与评审状态

该工作为预印本，未经同行评审，arXiv摘要页标注v1提交于2026年10月21日17时02分协调世界时，换算为北京时间10月22日1时02分，属当日首次公开。证据限于SpreadsheetBench单一基准与61条训练轨迹，学生模型仅为Qwen3.6-35B-A3B单一冻结模型，不能推广至其他规模、架构或领域。教师轨迹依赖GPT-5.5生成质量，评估的解码、词元与超时条件均为受控设置，真实部署的稳定性、成本与安全性待验。相关性与局部提升不得写成因果或已获认可的事实。

潜在意义

若经独立复现，该思路可为工具智能体提供更紧凑的技能存储与复用方式，减少长文本技能的上下文占用与措辞敏感性，并通过保持约束降低软提示引入的意外行为漂移。但在更多基准、多基座与在线交互验证前，不宜作为选型或部署依据。读者应将其视为一次受控的概念验证，而非通用技能压缩方案已成熟。