LLM Agent 技能内化度评估：基于无辅助得分替代增益指标

传统基于增益的技能退役规则误删超半数未覆盖技能，作者提出结合另一模型增益判断的无辅助得分评估方法。 在 SkillsBench 基准中，新方法的交叉任务一致性系数达 0.42，显著优于传统方法的 0.23，且退役无辅助技能未造成可检测的奖励损失。 研究发布了包含 1251 项技能、任务及四项模型评分的数据集，支持按模型独立读取内化判断。