SKILL.state：显式执行状态替代不断增长的对话历史¶

论文信息¶

字段	内容
论文链接	SKILL.state，本轮核对v3正文
公司/机构	一作 Sanket Badhe：Google LLC；合作单位包括 Purdue University
首次公开日期	2026-08-26 18:00:06 UTC；v3为2026-09-02，本轮因Google目录新增链接补发现，不是10月新发
原作者开源代码	未找到作者发布的官方代码；社区同名实现不当作作者开源
本地 Adapter	`skill-state`：组件键，未注册为完整论文CLI adapter
本地代码	`src/auto_research/agent_research/skill_state.py`；入口 `scripts/run_oct19_skill_state.py`

仅运行时组件。 不调用LLM、商业API、真实终端或官方benchmark；固定schema、格式校验和公共上下文边界可执行，不等于长程智能已复现。

原始论文总结¶

背景与主要改动¶

普通Agent把旧观察、动作和推理反复塞回下一轮。SKILL.state把可持续的信息投影到当前执行状态，每步只传技能说明、状态和最新观察；不是在完整对话外再加一个状态块。模型生成结构化patch和动作，运行时验证后提交，瞬时推理不保留。定义性流程见§3与算法1。

flowchart TD
    P[不可变技能说明] --> C[当前公共上下文]
    S[当前状态] --> C
    O[最新观察] --> C
    C --> A[调用方actor]
    A --> V[确定性schema与预算校验]
    V -->|无效:不执行| C
    V -->|有效| M[递归合并patch / null删除]
    M --> E[调用方执行器:仅一次动作]
    E --> O
    M --> S
    A --> D[瞬时推理丢弃]

原论文关键图¶

原论文 Figure 1（关键图）：SKILL.state v3 的执行架构：只保留固定技能、当前状态和最新观察，验证更新后丢弃中间推理；完整保留左右对比与下方上下文增长示意。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

\[ C_t=(P,\Sigma_t,O_t),\qquad \Sigma_{t+1}=\Sigma_t\oplus\Delta\Sigma_t. \]

\(\oplus\)是保留未修改字段的递归合并，null删除对应键。原文的线性累计上下文结论依赖固定schema能够承载充分状态、观察与状态规模不随轮次无限增长；不是任意任务的无条件常数内存保证。需要历史本身作审计产物、schema未知或遗漏早期关键事实时，该假设可能失效。局限

论文离线与线上效果¶

作者在受控仓库、模拟代码仓库、InterCode CTF和tau-Bench上比较长程表现与上下文成本；没有生产线上A/B。表1在T=100的Gemini-3-Flash仓库任务中报告SKILL.state约65K tokens，而带完整历史的stateful基线约1.06M；这是作者设定的观察，不是本地测量。原文也报告小型开放模型主要失败于状态覆盖、类型错误与JSON格式问题，不能只保留收益。原文结果与失败分析

本地复现¶

PYTHONPATH=src python scripts/run_oct19_skill_state.py \
  --device cpu --seeds 42,43,44 \
  --output runs/oct19-skill-state/fresh-result.json

运行时实际执行递归合并、null删除、schema拒绝、原状态保留及有界重试。传入actor的是只含三种公共信息的不可变字符串视图，不包含gold、grader、旧回答或旧观察。actor与执行器由调用方注入，本地诊断只做公开计数事件和惰性动作回调；不是语言模型。

本地字符上限和最多8次格式重试是资源保护，不声称原文固定此数值。原文算法先提交有效状态、再执行动作；执行器抛错时本地不盲目重试，也不声称已撤销外部副作用。调用方必须处理动作失败的最新观察。该模块不是Python回调或真实工具的安全沙箱。

数据、结果和代码映射¶

构造输入版本为 synthetic-skill-state-public-counter@oct19-skill-state-contract-v1。每seed执行200个公共事件，独立重算状态，注入一次不合schema的patch，核对没有提前执行动作；以附加全部旧文本的负对照检验上下文增长。只报告运行时字符和协议计数，不报告模型准确率、真实token费用或官方任务成功率。稳定结果由统一验收器写入CPU指标。

成本与复现边界¶

最终 CPU seeds42/43/44 每seed实际执行200个公共事件，独立状态重算误差、旧推理重放数和重试公共上下文漂移均为0；每seed恰有一次格式拒绝重试。产物绑定提交 8c963f810e45ce3886e43b1b5da39980e41c95c0，仍只是运行时合同验证，不代表LLM能够正确产生状态patch。

完整协议包括多个模型、多个运行时、五种子、多档10–200步流程、真实工具benchmark和压缩对照；仅一个T=200的历史基线就可能累计数百万tokens。现有单A100/A30或Mac不承担该多臂长程API/模型推理矩阵。成本过高，不复现（审查 DONE）；不下载权重、不试跑完整实验、不自动重试。未接入可晋级Evolve算子，diagnostic_only=true、promotion_eligible=false、evolve_integrated=false。