SLIM 位于 agent skill lifecycle management 这一快速密集化的研究集群中。三篇相关论文从互补角度攻击同一核心问题——"agent 积累的外部 skill 应如何随训练/使用演化"：
集群共性：四篇论文均认为 skill 的核心挑战不在创建，而在 lifecycle governance——什么时候保留、什么时候退役、什么时候扩展。SkillsBench 的 LLM self-gen +0.0pp vs human curated +16.2pp [2604.15877] 和 Library Drift 的 A1 ablation (+0.002) [2605.19576] 共同证实：生成 skill 不等于获得 skill 收益，lifecycle 管理才是收益的释放机制。
| 维度 | SLIM | MUSE-Autoskill | Library Drift | Exp. Compression |
|---|---|---|---|---|
| Policy 训练 | GRPO-based RL 同步训练 | 无（frozen model） | 无（frozen model） | N/A（survey） |
| Skill 价值信号 | Leave-one-skill-out MEC (counterfactual) | Unit-test pass rate + runtime feedback | Empirical contribution $\hat{c}(s)$ (success-failure ratio) | 无实现 |
| 退役机制 | EMA-smoothed MEC < $\tau_{\text{retire}}$ + patience $p$ + min exposure $n_{\min}$ | 合并/裁剪（heuristic） | Hoeffding-calibrated $N_{\min}=100$ + $\hat{c}(s) \leq -0.10$ | 无实现 |
| Skill 内化 | 显式目标：policy 吸收 skill 功能后退役 | 不追求内化；skill 永久外部 | 不追求内化；model frozen | 识别为 gap（missing diagonal） |
| Benchmark 域 | ALFWorld (procedural) + SearchQA (QA) | SkillsBench 51 task (coding/ops) | MBPP+ hard-100 (coding) | 跨域 survey |
| Backbone | Qwen3-4B | GPT-5.5 | Claude Opus 4.7 | N/A |
1. 同步训练 + lifecycle 管理的耦合。SLIM 是集群中唯一同时更新 policy weights 和 active skill set 的系统。MUSE 和 Library Drift 都在 frozen model 上运行 skill lifecycle，skill 改进与 policy 改进是解耦的。SLIM 的交替优化（GRPO 更新 $\theta$ → lifecycle 更新 $\mathcal{A}_t$）意味着退役决策可以利用 policy 进步信息——一个 skill 的 MEC 下降可能因为 policy 已经内化了该能力 [2605.10923]。
2. Counterfactual vs outcome-based 价值信号。SLIM 的 leave-one-skill-out MEC 是一个 counterfactual 信号（"移除 skill $s$ 后性能下降多少"），而 Library Drift 的 $\hat{c}(s)$ 是一个 outcome-based 信号（"使用 skill $s$ 时成功率如何"）[2605.19576]。Counterfactual 信号更精确但计算成本更高（每个 skill 需要一次 held-out rollout without it）；outcome-based 信号更便宜但无法区分 "skill 帮助了任务" 和 "任务本身就简单"。
3. Non-monotonic trajectory 作为设计目标。SLIM 是集群中唯一将 skill 数量的非单调变化视为 feature 而非 bug 的系统（38→46→21 active skills）[2605.10923]。Library Drift 的 Ratchet 虽然允许 retirement，但其目标是稳态均衡（cap=50，银行趋向稳定）[2605.19576]，而 MUSE 的 catalog 管理以 growth-with-pruning 为目标 [2605.27366]。SLIM 的 non-monotonicity 来自一个更强的假设：finite parametric capacity 使得 internalization 和 external support 存在 trade-off（Eq. 2），这一假设在其他系统中未被形式化。
SLIM 对 MEC 估计的可靠性高度依赖 validation set 大小，但论文未报告每 skill 的 validation 样本数。Assumption A.4 声称 MEC 集中于真值附近（Hoeffding bound），但 $K=3$ 的 retrieval 过滤意味着大多数 skill 只在小子集任务上被路由 [2605.10923]。与 Library Drift 形成对比：后者明确量化了 $N_{\min}=20$ 时 Hoeffding $\epsilon \approx 0.44$ 导致的灾难性银行崩溃，证明统计校准是 load-bearing 的 [2605.19576]。SLIM 的 patience $p=3$ 和 $n_{\min}=20$–$30$ 远低于 Library Drift 的 $N_{\min}=100$——如果 SLIM 的 MEC 也受类似的 Hoeffding constraint，其证据地板可能不足以防止有价值 skill 被错杀。
ALFWorld（6 类家务任务）和 SearchQA 是控制性好但复杂度有限的环境。SLIM 的 38→21 skill trajectory 在这些小环境中有意义，但 real-world agent（如 MUSE 面向的 SkillsBench 51 tasks across 4 super-domains）可能需要数百至数千 skill [2605.27366]。SLIM 的 MEC 是 $O(|\mathcal{A}_t|)$ per audit（每 skill 一次 leave-one-out validation），在大规模 skill bank 下成本线性增长。论文承认 $M=4$–$12$ 的 top-M 截断降低了成本，但也使 audit 变为采样估计，引入了 skill 被遗漏不被审计的风险。
SLIM 禁用 KL regularization（both KL loss 和 KL-in-reward）[2605.10923]，声称 external skill 充当隐式行为锚点。但这一假设仅在 skill coverage 高的阶段成立——当大量 skill 被退役后（21 active from 38 initial），锚点覆盖的行为空间缩小，policy drift 可能加速。论文未提供 policy divergence 的定量监控（如 KL from reference policy 的时序曲线），使这一风险无法评估。
SLIM 将 MEC 下降解释为 "policy 内化了 skill 功能"，但 MEC 下降同样可能是 catastrophic forgetting（policy 遗忘了利用 skill 的能力）。论文用 no-skill policy 的同步提升（84.4%）作为间接证据 [2605.10923]，但这是 aggregate metric——它不能排除某些 specific skill 的 MEC 下降是因为 policy 在该 skill 覆盖的任务子域上退化（被其他任务的训练信号覆盖）。一个更有说服力的测试是 per-task-type 的 no-skill performance breakdown，但论文未提供。
SLIM 使用 o3 作为 expansion backbone 生成新 skill [2605.10923]，这意味着 expansion 能力完全由外部模型决定。从 empty skill bank 的 76.4% 结果 [2605.10923] 无法分离 expansion 质量来自 o3 能力 vs SLIM lifecycle 管理。MUSE 的 skill 生成在 inference-time ReAct loop 中由同一 backbone (GPT-5.5) 完成 [2605.27366]，更接近 self-contained evolution。
SLIM 代表的范式是 RL-coupled skill lifecycle——将 skill 管理从 post-hoc 运维工具提升为与 policy training 同步优化的一等对象。这在 Experience Compression Spectrum 的框架中对应从 "fixed $L_2$ extraction" 到 "adaptive $L_2$ ↔ internal boundary management" 的跃迁 [2604.15877]。
三种范式的谱系：
| 范式 | 代表 | Policy | Skill Bank | 核心机制 |
|---|---|---|---|---|
| 静态注入 | Voyager, SkillRL | Fixed or RL | Monotonic growth | 累积 |
| 推理时管理 | MUSE, Library Drift | Frozen | Dynamic (创建+退役) | Governance |
| 训练时管理 | SLIM | RL 同步训练 | Dynamic (MEC-driven) | Co-optimization |
SLIM 占据的生态位是：当 agent backbone 可以被 RL fine-tuned 时，skill lifecycle 应与 policy gradient 同步而非解耦。这一定位在两个条件下有意义：(1) backbone 足够小以支持 RL 训练（Qwen3-4B），(2) 任务域有足够结构以支持 internalization（procedural 任务如 ALFWorld）。
SLIM 的 MEC 作为 skill 价值信号的概念可以被 lift 到 frozen-model 场景——将 leave-one-skill-out validation 用于 Library Drift 的 Ratchet 替代其简单 $\hat{c}(s)$。这不需要 RL 训练，只需要一个 held-out validation loop。如果 MEC 确实优于 outcome-based 信号（SLIM 的 Random Audit ablation 暗示如此 [2605.10923]），这一 portable insight 可能比 SLIM 的完整方法论更有传播力。
SLIM 的 counterfactual MEC 信号与 Library Drift 的 Hoeffding 证据地板解决互补问题：MEC 提供更精确的价值估计，Hoeffding 提供统计安全保证。一个自然融合是：用 MEC 替代 Library Drift 的 $\hat{c}(s)$ 作为退役信号，同时用 Hoeffding bound 设置 $n_{\min}$ 使得 MEC 估计的置信区间不超过 $\tau_{\text{retire}}$。SLIM 当前使用 patience $p=3$（连续 3 次 MEC < threshold），Library Drift 的分析表明这可能不够——$N_{\min}=100$ 对应 Hoeffding $\epsilon \approx 0.20$，而 $p=3$ 对应的等效样本量远小于此 [2605.19576]。
Experience Compression Spectrum 识别的 "missing diagonal" [2604.15877] 可以通过 SLIM 的 lifecycle 框架部分填补：当一个 $L_2$ skill 的 MEC 持续为零（policy 完全内化），它实际上已经被压缩为 $L_3$（融入 policy weights 的 declarative knowledge）。反向，当一个任务域上 policy performance 持续低于预期，可以从 $L_3$（policy internal）降级回 $L_2$（external skill）。SLIM 的 expansion 机制 [2605.10923] 已经部分实现了这一方向（填补能力缺口），但未形式化为跨层级转换。
MUSE 的 unit-test gating [2605.27366] 可以增强 SLIM 的 expansion 和 retain 操作：新创建的 skill 不仅需要通过 MEC threshold，还应通过 bundled tests 验证功能正确性。这将 MEC 的 "对 policy 有价值" 信号与 test 的 "功能正确" 信号解耦——一个 skill 可能 MEC 高但实际上因为 buggy implementation 偶然触发了正确行为。Library Drift 的 A3 ablation 表明 meta-skill authoring prior 是最有价值的组件（−43% gain when removed）[2605.19576]，暗示 skill 质量 gating 在创建端比在退役端更重要。
MUSE 展示了 skill 在 frozen-model agents 间的零修改迁移（→Hermes +10.51pp，关闭 79% gap）[2605.27366]，但 SLIM 的 RL-trained policy 场景下 skill 迁移的语义可能不同：经过 GRPO 训练的 policy 可能对 skill format 产生偏好（如特定 prompt template 下的行为模式），使得 skill 不再是 agent-agnostic 的。验证 SLIM-trained skill 是否可迁移到另一个 RL-trained agent（甚至不同 backbone）是一个未被探索的方向——若可行，则 SLIM 生成的 skill 可能因为经过 MEC 筛选而比 MUSE 的 test-gated skill 有更高的迁移质量。
SLIM 使用固定 $d=10$ GRPO 步的 audit 间隔 [2605.10923]。Library Drift 的 A8 ablation 显示更频繁的 meta-skill refresh（每 10 rounds）将 peak 从 0.658 提升到 0.725，但 wall time 增加 55% [2605.19576]。一个自适应策略是：当 aggregate MEC variance 高时增加 audit 频率（skill 价值在快速变化），当 variance 低时降低频率（stable phase）。这将 audit 成本从 worst-case linear 降低到 expected sublinear，同时在 critical phases（如大量 skill 被退役后）保持高监控。