Ctx2Skill: 从上下文到技能的自进化框架

一、研究背景与问题定义

1.1 上下文学习的核心挑战

上下文学习（Context Learning）是大模型解决真实世界任务的关键能力，要求模型从从未见过的复杂上下文中学习新知识并进行推理，例如阅读新产品文档生成操作步骤、根据实验数据推导结论等。然而，当前大模型在这一能力上仍存在显著不足。

一个直观的解决方案是推理时技能增强：从上下文中提取规则和流程，转化为自然语言形式的可复用技能，在推理时注入模型。但这一范式在上下文学习场景中面临两个根本性挑战：

1. 手动标注成本极高：上下文通常冗长、技术密集且领域特定，人工编写高质量技能需要标注者完全消化复杂文档，认知负担重且经济上不可行，无法规模化。
2. 缺乏外部反馈信号：与代码、数学等可验证任务不同，上下文学习任务没有执行反馈或标准答案，无法自动评估生成的技能是否忠实、完整地捕获了上下文知识。

1.2 本文目标

构建一个完全自动化的端到端框架，能够：

• 仅从给定的复杂上下文出发，无需人工标注和外部反馈
• 自动发现、提炼和优化上下文特定的自然语言技能
• 生成的技能可直接注入任意大模型，提升其上下文学习能力
• 避免技能过度特化，保证泛化性