日读论文： https://t.co/ypqznEy9Ev From Context to Skills: Can Language Models Learn from Context Skill...
李继刚(@lijigang_com)1473 字 (约 6 分钟)
92
论文 Ctx2Skill 提出基于自博弈（self-play）的上下文技能提炼框架，发现对抗训练易导致‘对抗坍缩’，并创新性引入 Cross-Time Replay 机制，通过跨回合探针评估选择最优技能手册。
入选理由：自博弈可零样本提炼文档技能，但易陷入对抗坍缩——越训练越偏离真实任务分布。
精选推文#LLM#self-play#context learning#reasoning#arXiv中文