要点说明： --split valid_unseen 对应测试划分， valid_seen 是选择/验证划分， train 是训练划分， all 运行三者；该语义与 ckpt/README.md 的说明一致。 eval_only.py 会读取技能文件（打印文件路径与字符数）、根据配置构造 adapter、对指定 split 构建评估批次后调用 adapter.rollout，最后用 compute ...

本内容遵循CC 4.0 BY-SA版权协议 如上图所示，COBRA-Skills 在每个目标模型上都取得了所有对比方法中最高的平均性能；图的下半部分给出原生 harness 下平均测试性能与总优化成本的关系，可以看到 ...

一个管学习，一个管执行。合起来，正好是 Google 对 Agent Skill 的完整押注：技能不仅要能进化，还要能扛住长程执行。 大家好，我是玄姐。 8月27日，Google 在同一天甩出两篇 Agent Skill 方向的论文 ...

你有没有想过，AI agent执行任务的时候，其实和人类新员工特别像。 第一天上岗，什么都不会，只能靠说明书。做错了事，被骂一顿，第二天可能还犯同样的错。真正厉害的员工，是那种会把踩 ...