行动中学习：面向在线终身学习 Agent 的技能增强测试时协同进化框架

针对大语言模型 Agent 在动态环境中缺乏持续内部化测试时反馈的问题，本文提出技能增强测试时协同进化框架（LifeSkill）。该框架包含两阶段强化学习：一是验证器引导的技能学习，通过奖励有用技能解决监督缺失问题；二是在线技能内部化，将技能条件轨迹转化为奖励信号，使 Agent 在测试时直接更新参数以内化推理能力，避免上下文膨胀。实验表明该方法显著提升了终身学习性能。