arXiv 2026年9月29日该工作提出 Learner2Skill，把从历史交互中获得的学习者模拟能力外化为一个持久、可复用的 Simulation Skill，该技能记录学习者当前学习状态与反复出现的响应模式，并随新的真实交互演化，还能通过轻量级执行器校准迁移到新的 LLM；实验显示它更忠实地复现细粒度学习者行为、降低总体 token 成本，且同一构建出的技能可在不同 LLM 执行器间有效复用。该工作提出 Learner2Skill，把从历史交互中获得的学习者模拟能力外化为一个持久、可复用的 Simulation Skill，该技能记录学习者当前学习状态与反复出现的响应模式，并随新的真实交互演化，还能通过轻量级执行器校准迁移到新的 LLM；实验显示它更忠实地复现细粒度学习者行为、降低总体 token 成本，且同一构建出的技能可在不同 LLM 执行器间有效复用。Learner2Skill 把学习者历史交互外化为可复用模拟技能，在降低 token 成本的同时更忠实复现细粒度学习行为该工作提出 Learner2Skill，把从历史交互中获得的学习者模拟能力外化为一个持久、可复用的 Simulation Skill，该技能记录学习者当前学习状态与反复出现的响应模式，并随新的真实交互演化，还能通过轻量级执行器校准迁移到新的 LLM；实验显示它更忠实地复现细粒度学习者行为、降低总体 token 成本，且同一构建出的技能可在不同 LLM 执行器间有效复用。该工作提出 Learner2Skill，把从历史交互中获得的学习者模拟能力外化为一个持久、可复用的 Simulation Skill，该技能记录学习者当前学习状态与反复出现的响应模式，并随新的真实交互演化，还能通过轻量级执行器校准迁移到新的 LLM；实验显示它更忠实地复现细粒度学习者行为、降低总体 token 成本，且同一构建出的技能可在不同 LLM 执行器间有效复用。