这篇论文提出 Ctx2Skill 方法，通过模型自我对抗（出题-解题-判分）自动从长文档中提炼可执行的技能手册，并发现对抗坍缩问题，提出 Cross-Time Replay 回溯选择最优版本。
📝 详细摘要
这篇推文详细解读了论文「From Context to Skills: Can Language Models Learn from Context Skillfully? (Ctx2Skill)」。核心问题是：大模型能读完长文档，但无法将规则提炼成可反复调用的技能。传统方法依赖人工标注，成本高且缺乏反馈。Ctx2Skill 提出让模型自我对抗：一个出题（Challenger），一个解题（Reasoner），第三方判分。通过多轮对抗，双方各自维护技能手册。但实验发现，随着对抗进行，Reasoner 的手册质量单调下降，出现「对抗坍缩」——Challenger 出题越来越偏，Reasoner 为应付怪题而丢失通用知识。作者提出 Cross-Time Replay 方法：在对抗过程中保留每轮的难题和易题作为探针，循环结束后让所有版本的手册重新做这些题，选择 ρ_h × ρ_e 乘积最大的版本。推文最后升华到哲学层面：对抗优化必须配一个不参与对抗的判别器，否则一定会塌。
📊 文章信息
AI 初评：88
来源：李继刚(@lijigang_com)
作者：李继刚
分类：人工智能
语言：中文
阅读时间：8 分钟
字数：1761
标签： Ctx2Skill, Self-Play, Adversarial Collapse, Cross-Time Replay, 长上下文