本节分析 5 篇与 Experience Compression Spectrum (ECS) 直接相关的论文，覆盖 agent skill 生命周期管理、memory 操作学习、library 退化诊断三个维度。
MUSE-Autoskill 是目前最完整的单层级 $L_2$ skill 生命周期系统，覆盖创建→记忆→管理→评估→迭代五阶段闭环 [2605.27366]。ECS 在 Table 2 中标注 19 个系统中仅 AutoSkill 具备完整 lifecycle 管理 [2604.15877]——MUSE-Autoskill 的出现直接填补了这个空白，但仍然局限于 $L_2$ 层级内部操作，未涉及跨层级压缩。MUSE 的 per-skill .memory.md 设计是 ECS 所呼吁的 "knowledge artifact 维护" 的一个具体实例，其 DAG-based 两级自适应压缩（Level-1 原位摘要 + Level-2 段合并）可视为 $L_1$ 内部的 context management，但不构成 $L_1 \to L_2$ 的 promotion。
SLIM 将 active skill set 视为动态优化变量，用 leave-one-skill-out marginal external contribution (MEC) 估计实现 retain/retire/expand 的非单调 skill 轨迹 [2605.10923]。这是 ECS 提出的 "meta-controller" 概念最近的实现近似——SLIM 的 MEC 估计器提供了一个局部反事实信号，判断 skill 是否已被 policy 内化 [2605.10923]。但 SLIM 完全在 $L_2$ 内部操作（管理 external procedural skills 的 retain/retire），不涉及 $L_1 \to L_2$ 的知识上推或 $L_2 \to L_3$ 的规则泛化。SLIM 证明了 ECS 的非单调 lifecycle 直觉：从 38 个 skill 出发，经扩展至 46 后收敛至 21，同时 no-skill policy 改善至 84.4% [2605.10923]。
Library Drift 是对 ECS lifecycle gap 发现的最直接验证——该论文在 §1 明确引用 ECS 对 20+ 系统的调查结论（lifecycle management "largely neglected"）作为动机 [2605.19576]。Library Drift 将 SkillsBench 的 +0.0pp 自生成 skill 增益——ECS 引为 compression quality 的关键反例 [2604.15877]——诊断为 "library drift" 三阶段退化（accumulation → retrieval degradation → silent injection harm），并提出 Ratchet 治理方案（outcome-driven retirement + bounded active-cap + meta-skill authoring prior）将 pass@1 提升 +0.328 [2605.19576]。该论文的 Hoeffding-calibrated evidence floor ($N_{\min} = 100$) 是一个可扩展至跨层级决策的设计模式。
MemSkill 将 memory 操作从固定 pipeline 升级为 RL 训练的可学习 skill bank，用 PPO + Gumbel-Top-K 训练 controller 从 variable-size skill bank 选取 memory skills [2602.02474]。在 ECS 的分类中，MemSkill 是 $L_1$ 层级最具 "meta-controller" 属性的系统——其 RL controller 的 shared scorer + Top-K without-replacement 设计使 skill bank 进化后无需重构 action head [2602.02474]。ECS 将 MemSkill 的 RL routing 列为 "meta-controller" 的潜在 building block [2604.15877]。但 MemSkill 的 routing 仍限于 $L_1$ 内部（选择哪些 memory skills 来处理 span），未扩展到 "这段经验应压缩到哪个层级" 的跨层级决策。
该 survey 将 agent skills 形式化为 $S = (M, \mathcal{R}, \mathcal{C})$ 三元组并提出四阶段生命周期 taxonomy（representation → acquisition → retrieval/selection → evolution）[2605.07358]。Survey 的覆盖度（122 papers, 8 应用领域）与 ECS 的覆盖度（20+ systems, 4 压缩层级）互补——前者横向覆盖 skill 生态的广度，后者纵向统一 memory/skill/rule 的深度。Survey 发现的 "asymmetric revision problem"（系统擅长增加 skill 但不擅长安全修改或退役）与 ECS 的 lifecycle gap 发现一致。Survey 报告的 SkillsBench 负效用和 PoisonedSkills 安全风险为 ECS 的 "compression quality ≥ compression level" 论点提供了额外支撑 [2605.07358]。
| 维度 | ECS 独有 | 相关论文覆盖情况 |
|---|---|---|
| 统一压缩轴 | 将 memory/skill/rule 定义为 $C_L: \mathcal{T} \to \mathcal{K}_L$ 的不同压缩层级 | 所有 5 篇均在单一层级操作，无跨层级统一视角 |
| 跨社区互引分析 | 22 篇核心论文 1,136 条引用的互引率 <1% | 无论文做过类似 bibliometric 分析 |
| Missing diagonal 定义 | 识别三个缺失能力：adaptive level selection, upward promotion, downward demotion | SLIM 的 retire 是 "层内下线" 而非 "跨层降级"；无系统实现 $L_1 \to L_2$ promotion |
| $L_3$ 空白识别 | 系统性证实 $L_3$ 仅有 Constitutional AI 的预设规则，自动化 $L_3$ 几乎空白 | Survey 未将 $L_3$ 作为独立维度分析 |
| 维度 | ECS 缺少 | 相关论文提供 |
|---|---|---|
| 可运行系统 | 无实现，纯 framework paper | MUSE-Autoskill、SLIM、MemSkill、Library Drift 均有系统实现 |
| 原创实验 | 仅聚合他人结果于 Table 1 | MUSE +15.21pp lift (51 tasks); SLIM +12.5pp (ALFWorld); Library Drift +0.328 (MBPP+); MemSkill +62.8% (LongMemEval) |
| 形式化保证 | 无 convergence bound 或 regret analysis | Library Drift 的 Proposition 1 提供非退化 bound；SLIM 的 Lemma A.8 提供 lifecycle 局部保证 |
| Lifecycle 机制 | 仅指出 lifecycle 是 gap，未设计具体机制 | SLIM 的 MEC + retain/retire/expand；Library Drift 的 Ratchet 三件套；MUSE 的 test-gated registration + per-skill memory |
ECS 的贡献本质上是 概念统一 而非 机制创新。其 compression spectrum 框架为分散的 memory / skill / rule 研究提供了共同语言和坐标系，但未给出如何填充 missing diagonal 的具体算法。相关论文（特别是 SLIM、Library Drift）在 ECS 框架的单一层级内提供了远比 ECS 更深入的机制设计。这并非弱点——好的框架论文的价值恰在于为后续系统工作提供方向，Library Drift 对 ECS 的显式引用即为采纳证据。
ECS 声称"方向一致：高压缩 → 高性能" [2604.15877]，聚合 Table 1 的 7 行正向 Δ 作为证据。但 Library Drift 的 A4 ablation 证明 aggressive governance（更高层级的 "压缩" 即 retirement）在证据不足时反而有害 ($-0.019$) [2605.19576]，SkillsBench 的 self-gen +0.0pp 也被 ECS 自己承认为反例 [2604.15877]。ECS 的 "方向一致性" 声称 over-simplifies 了实际关系——压缩层级与性能之间是 non-monotonic 的（受 compression fidelity 和 governance quality 调节），而非简单正相关。
ECS 将四个层级的压缩比定义为 $L_0$ 1:1, $L_1$ 5–20×, $L_2$ 50–500×, $L_3$ 1000×+ [2604.15877]。这些范围极为宽泛（$L_2$ 跨一个数量级），且来源各异——Mem0 的 26K→1.8K tokens (~15×) 与 Trace2Skill 的 128 sub-agents → skill dir (~100-500×) 使用完全不同的 "token" 定义 [2604.15877]。没有统一的信息量度量（如互信息保留率 $I(\mathcal{T}; \mathcal{K}_L) / I(\mathcal{T}; \mathcal{T})$），这些压缩比本质上是 token 数量比，不是 信息压缩比。一个 10-token 的 rule 可能比一个 500-token 的 skill 包含更多 task-relevant information，但 ECS 的框架会将前者置于更高压缩层级。
影响: 框架的核心轴——压缩层级——的度量方式不统一，使得 $L_1$/$L_2$/$L_3$ 的边界成为约定而非定义。
ECS 将所有系统固定在单一压缩层级这一观察解读为 "缺陷"（missing diagonal），但这可能反映 合理的模块化分工：$L_1$ 系统专注于低延迟、高保真的 episodic recall，$L_2$ 系统专注于高复用性的 procedural knowledge，两者可通过 pipeline 组合（$L_1$ 系统的输出作为 $L_2$ 系统的输入）而不需要单一系统覆盖全谱。SLIM 在 $L_2$ 单一层级内达到 87.5% 并同时将 no-skill policy 提升至 84.4% [2605.10923]，MUSE-Autoskill 在 $L_2$ 达到 87.94% 超越人工 skill 上限 [2605.27366]——两者均在 不跨层级 的情况下达到了强表现。ECS 未提供任何证据表明一个 "diagonal system" 会优于最佳单层级系统 + pipeline 组合。
22 篇核心论文的 <1% 跨社区互引率是 ECS 最有冲击力的发现 [2604.15877]。但 22 篇是一个很小的样本，论文选择标准（哪些算 "核心"）未明确。更重要的是，低互引率有多种解释：(1) 两个社区确实隔离（ECS 的解读）；(2) memory 和 skill 在技术栈上差异足够大，互引不自然（memory 偏重检索/存储，skill 偏重代码生成/execution）；(3) 两个社区的时间线不同步（memory 研究 2023 年起步，skill 研究 2024 年爆发），早期论文无法引用尚未发表的工作。ECS 未控制这些混淆因素。
ECS 声称 $L_3$ "几乎空白"，仅有 Constitutional AI 的预设规则 [2604.15877]。但大量实际部署的 agent 系统使用 system prompts、guardrails、RLHF preference signals 作为 declarative rule——这些都是 $L_3$ 级别的知识工件。ECS 未将这些纳入分析，可能是因为它们不符合 "从交互经验自动提取" 的定义——但这正说明 $L_3$ 的主要价值可能不在于自动化提取，而在于人工设计。RuleShaping 的 +7–14pp 仅限于 negative constraints [2604.15877]，且 positive constraints 反而有害——这可能暗示 $L_3$ 自动化的天然上限，而非一个等待被填补的 gap。
Table 1 聚合了来自不同论文、不同 benchmark、不同 backbone 的 7 行结果来支撑 "高压缩 → 高性能" [2604.15877]。但 SkillRL 在 ALFWorld 上 +68.5pp 与 Trace2Skill 在 SpreadsheetBench 上 +21.5pp 使用完全不同的 baseline、模型、evaluation protocol。将它们放在同一表格并声称 "方向一致" 是 ecological fallacy 的一种变体——组内趋势不能推导为跨组规律。Library Drift 的 ablation study 在同一个 benchmark 上提供了远更严格的对照分析 [2605.19576]，但其结论（governance quality 比 compression level 更重要）恰好与 ECS 的叙事相矛盾。
ECS 将 lifecycle gap 和 compression level gap 混为一谈——暗示需要一个同时覆盖 lifecycle 管理和跨层级压缩的 "diagonal system"。但 MUSE-Autoskill 展示了完整 lifecycle 管理可以在单一层级 ($L_2$) 内实现 [2605.27366]，MemSkill 展示了 RL-driven skill evolution 可以在 $L_1$ 内实现 [2602.02474]。两个问题（"如何管理知识工件的生命周期" 和 "如何在不同压缩粒度间转换"）可能需要独立解决。强行统一可能导致一个既不擅长 lifecycle 管理也不擅长 compression routing 的 "Swiss army knife" 系统。
ECS 占据的是 概念统一 / systematization of knowledge 的生态位——它不是一个系统，而是一个坐标系。在 agent learning 领域从 "scatter phase"（各自造轮子）向 "consolidation phase"（统一框架下的系统化比较）过渡的时间点，ECS 提供了一个将 memory/skill/rule 研究放在同一张图上讨论的语言。
这个生态位有先例：deep learning 早期的 "representation learning" 概念统一了 autoencoder / RBM / word2vec 等看似不同的技术。ECS 试图对 agent experience management 做同样的事情。
ECS 与 Agent Skills Survey (2605.07358) 在 "领域综述/框架" 的生态位上直接竞争。Survey 的优势在于覆盖广度（122 papers vs 22 papers）和操作化程度（四阶段 lifecycle taxonomy 比 compression spectrum 更具体可操作）[2605.07358]。ECS 的优势在于跨越 memory/skill/rule 的统一视角——Survey 仅覆盖 skill（$L_2$），未系统处理 $L_1$ memory 系统或 $L_3$ rule 系统。两者互补而非替代：Survey 提供 $L_2$ 内部的精细 taxonomy，ECS 提供跨层级的宏观坐标系。
ECS 的实际影响力受限于其 "framework without implementation" 的性质。框架论文的影响力通常呈现 两极分化：要么被广泛采纳为 organizing principle（如 "attention is all you need" 之后 Transformer 成为标准词汇），要么因缺少可运行的验证而逐渐淡出引用。ECS 的 missing diagonal 概念是否会被采纳取决于是否有后续系统论文 实现并验证 一个跨层级自适应压缩系统。目前无此类系统存在。
MemSkill 的 RL controller 在 $L_1$ 内路由 memory skills [2602.02474]，SLIM 的 MEC 在 $L_2$ 内判断 skill 的外部价值 [2605.10923]。一个直接的 hybrid 是将两者的信号统一到一个跨层级 router 中：给定一段新经验 trace，router 决定 (a) 保留为 $L_1$ episodic memory, (b) 上推为 $L_2$ procedural skill, 或 (c) 进一步泛化为 $L_3$ declarative rule。MemSkill 的 shared scorer 设计——天然兼容 variable-size action space——可直接扩展为跨层级的 scorer：将 $L_1$/$L_2$/$L_3$ 的 target format descriptions 作为额外 "skills" 加入 bank，让 controller 同时选择 compression level 和 target format。
可行性: 中。核心困难在于跨层级的 reward 定义——$L_1$ 的 reward 是 retrieval relevance, $L_2$ 是 task success rate, $L_3$ 是跨任务泛化性，三者不可直接比较。需要一个统一的 utility metric 或 multi-objective RL formulation。
Library Drift 的 Hoeffding-calibrated $N_{\min} = 100$ 解决了 "$L_2$ 内何时安全 retire skill" [2605.19576]。同一统计框架可扩展至 cross-level promotion 决策：当一段 $L_1$ episodic memory 被检索并成功使用 $\geq N_{\min}^{\uparrow}$ 次时，有足够统计置信度认为其编码了一个可复用模式，值得 promote 为 $L_2$ skill。类似地，当多个 $L_2$ skills 共享一个 pattern 且各自 MEC 保持正值超过 $N_{\min}^{\uparrow\uparrow}$ 次验证时，可考虑提取共同模式为 $L_3$ rule。
Library Drift 的关键教训直接适用：premature promotion（$N_{\min}$ 过低）可能比不 promote 更有害 [2605.19576]。
ECS 的 RuleShaping 发现（negative constraints +7–14pp vs positive instructions hurt）[2604.15877] 与 MUSE-Autoskill 的 failure analysis pipeline（Appendix I: 16 失败 task 的根因分类）[2605.27366] 可组合为一个 $L_3$ 自动化路径：从多次 $L_2$ skill 执行失败中提取 "don't do X" 模式。MUSE-Autoskill 已经能识别失败类别（specialized tooling / numerical reasoning）[2605.27366]；Library Drift 的 Critic 组件已经能对每次失败做 helped/hurt/neutral attribution [2605.19576]。将 attribution verdict 聚合为跨 task 的负约束，是一个工程上可行的 $L_2 \to L_3$ promotion path——且恰好生成的是 ECS 发现有效的 negative constraint 形式。
ECS 提出但未见实现的 CLS-inspired consolidation——agent 空闲时执行 $L_1 \to L_2$ 上推 [2604.15877]——可借鉴 SLIM 的 audit-interval 模式 [2605.10923]。SLIM 每 $d = 10$ 个 GRPO steps 触发一次 lifecycle audit；同理可在 agent 的 inter-session gap 触发 cross-level consolidation：扫描 $L_1$ memory bank 中高频检索 items，cluster 相似 episodes，用 MUSE-Autoskill 的 skill_create 工具将 cluster 蒸馏为 $L_2$ skill。关键约束：consolidation 必须是 non-destructive 的（保留 $L_1$ 原始 items 供回退），这与 MUSE 的 immutable history pointer 设计一致 [2605.27366]。
MUSE-Autoskill 证明了 $L_2$ skill 可跨 agent 零修改迁移（Hermes +10.51pp，关闭 79% 人工 skill gap）[2605.27366]，MemSkill 证明了 $L_1$ memory skills 可跨模型 transfer（LLaMA → Qwen 仍 competitive）[2602.02474]。但尚无工作评估 跨层级 transfer：一个 agent 的 $L_1$ 经验是否可以 promote 为另一个 agent 可用的 $L_2$ skill？一个 domain 的 $L_2$ skills 是否可以 generalize 为另一个 domain 的 $L_3$ rules？这需要一个 cross-level transfer benchmark——在同一 task family 上测量 $L_1$-only, $L_2$-only, $L_3$-only, 和 adaptive cross-level 配置的性能、token 开销、和 transfer 效率。Survey 报告的 SkillsBench [2605.07358] 是最接近的候选 benchmark，但需要扩展为多层级版本。