Beyond Gain：为 LLM 智能体技能退役衡量技能内化程度

研究提出用「无辅助得分」衡量 LLM 智能体的技能内化：隐藏技能、用其合成任务测试模型，仅当另一模型能从该技能获益时才采信高分。四个模型下，仅看 gain 的现有规则会误退超过一半的 uncovered 技能；SkillsBench 的 31 次退役中有 28 次基于无任何运行完全通过的探针。