代理技能将过程性知识转化为可复用的工件，使得大语言模型（LLM）代理能够通过经验累积并细化专长。基于此，技能进化通过执行反馈迭代改进技能。然而，真正的提升往往需要多个相互依赖的编辑，低奖励的中间版本仍可能是有价值的。如果仅要求即时奖励提升，就会在收益尚未显现时丢弃有用的部分修复。
非精英进化允许得分低于已有版本的新版本继续接受编辑，从而保留潜在的改进空间。对于代理技能，这要求能够判断哪些步骤值得保留，哪些仍需修复。我们提出 SkillNEO（Non‑Elitist Evolutionary Optimization for Agent Skills），它分别选择用于实际执行的版本以及用于进一步改进的版本。通过比较同一任务的相关版本表现，SkillNEO 能识别出可保留的工作步骤和待修复的失败点，并可利用后续证据回溯并修订早期版本。
在 86 项 SkillsBench 任务（覆盖软件工程、办公等八个领域）上，SkillNEO 将 GPT‑5.4 Mini 的平均奖励从 49.1% 提升至 66.4%，已进入 GPT‑5.5 与 GPT‑5.6 Luna 原始技能的表现区间。Mini 负责执行任务、提出修订并编辑技能，最终评估使用相同的任务实例。提升幅度遍及全部八个领域。相同的技能在更强模型上无需额外编辑即可获得提升。对 41 项已修改技能的实验表明，复用可使 Luna 的表现提升 10.5 个百分点，并使 GPT‑5.5 超出其已发布的原始技能基准 10.6 个百分点。执行记录显示，即使 Mini 在某些任务要求上仍有失误，这些技能仍能惠及更强的模型。搜索历史亦揭示，低分版本常是最终被选用技能的前身。
这些结果表明，技能进化能够将弱模型的局部进展转化为可复用的过程性知识，从而提升更强代理的能力。
点评