ContinualSkillBench

ContinualSkillBench 用 5 个领域、每域 100 个相互关联且逐步变难的任务，测试代理能否持续生成、修订和复用外部技能。顺序执行总体有益，但显式技能维护的平均表现与把历史直接放进上下文相近；收益主要集中在可复用程序和精确输出格式，较弱模型反而更容易产生碎片化技能。它给“技能文件会自然累积成能力”加上了必要条件：任务必须共享稳定结构，维护策略也要能抑制低质量沉淀。