当技能无济于事：进攻性网络安全中基于工具的代理过程性知识的负面结果

本文研究了将结构化过程性知识（即“技能”）加载到大语言模型代理时对任务性能的影响。尽管现有基准显示技能通常能提升表现，但在进攻性网络安全领域，其边际效益显著 collapse。通过重分析受控实验，作者发现当工具层提供严格、低延迟的环境反馈时，环境本身即可充当纠错信号，导致 curated 技能变得冗余甚至降低性能。文章提出了“环境反馈带宽”作为关键变量，并给出了可证伪的假设及系统设计启示。