2026-07-31 · R1 · SkillRise 短视频脚本镜像

arXiv: https://arxiv.org/abs/2607.26784 video-kb 脚本原路径: /shared/video-kb/scripts/tom/2026-07-31_R1_skillrise-cross-task-skill-rl-short-video-script.md

1. 标题与观众

• 标题:SkillRise · 自己养 SOP
• 目标观众:AI 工程师
• 一句话核心观点:跨任务技能演化训练范式,单策略双角色,测试时自动变好。

3. 45-90 秒口播稿

LLM 智能体很少一次一题,而是面对一连串相关但不完全相同的任务,任务之间天然共享可复用的解题套路。现实有两道坎:标准 agentic RL 把每个任务当独立 episode;已有技能学习方法绑死单题反复总结,要么拆多阶段流水线。SkillRise 把两角色合并到同一条策略:跨任务实例按难度排成序列,policy 在 solve 与 curate 之间交替,文档是跨任务唯一信息通道。解耦信用分配是关键:curate 回报按阶段级折扣叠加到下游,curation quality 由下游任务折扣收益背书。三环境上相对最强 baseline 提升 2.3 到 8.5 个百分点 Pass@1,首次观察到跨任务测试时 scaling。读者下一步:检查同族任务族、难度梯度、跨任务 rollout 预算。

4. 镜头分镜

• scene-1 标题卡 · 4-6s · 屏幕文字:SkillRise · 自己养 SOP(≤ 22 字) · 画面元素:主色青大字 + 副字 arXiv:2607.26784 · 运动方式:静态居中,缓慢淡入。
• scene-2 痛点三栏卡片 · 9-12s · 屏幕文字:同任务反复总结绑死单题 + 多阶段流水线信用分不清 + AI 自我评估偏置难逃 · 画面元素:三栏卡片并排,警示红边框 · 运动方式:左→中→右顺序滑入。
• scene-3 机制流程图 · 10-13s · 屏幕文字:跨任务序列 → 单策略 solve+curate → 解耦信用分配 · 画面元素:三段横向箭头,phase-level return + group-relative advantage 公式高亮 · 运动方式:箭头依次点亮。
• scene-4 证据卡 · 9-12s · 屏幕文字:ALFWorld · WebShop · ScienceWorld + +2.3 到 8.5 pp Pass@1 + 首次观察到跨任务测试时 scaling · 画面元素:三环境并列图标 + 数字柱状图 + 末尾勾标 · 运动方式:数字滚动到位。
• scene-5 风险卡三件套双行 · 9-12s · 屏幕文字:官方仓库命中实测 / 4/4 关键词命中 · 主分类实测 / cs.LG primary + cs.AI cross-list · 工程外推 / abstract 未承诺具体接口 · 画面元素:三块双行卡片并排 · 运动方式:从下往上推入。
• scene-6 行动卡 · 8-10s · 屏幕文字:判断 1 同族任务族可组装? + 判断 2 难度梯度可挂? + 判断 3 跨任务 rollout 预算够? · 画面元素:三问号清单 · 运动方式:逐条勾选动画。
• scene-7 落版卡 · 4-6s · 屏幕文字:SkillRise · 跨任务技能演化训练范式 · 画面元素:主色青大字 + 副字 arXiv:2607.26784 · 运动方式:静态淡入,微光晕。