# 配对执行审计

该工作提出 SelfEvoSkill，通过在同一智能体、任务与工作区条件下配对比较“使用技能”与“不使用技能”的执行行为差异，将差异定位到相关技能片段并迭代改写与再评估，同时用一次性从任务显式要求导出的检查防止改写违反约束；在 8 个专业领域的 89 个容器化任务上、相同 best-of-two 评估预算下，其平均任务奖励为 73.9%，比无技能条件高 33.0 个百分点，比基准自带精选技能高 17.2 个百分点，且技能演化过程不使用任务奖励或基准验证器输出。

该工作提出 SelfEvoSkill，通过在同一智能体、任务与工作区条件下配对比较“使用技能”与“不使用技能”的执行行为差异，将差异定位到相关技能片段并迭代改写与再评估，同时用一次性从任务显式要求导出的检查防止改写违反约束；在 8 个专业领域的 89 个容器化任务上、相同 best-of-two 评估预算下，其平均任务奖励为 73.9%，比无技能条件高 33.0 个百分点，比基准自带精选技能高 17.2 个百分点，且技能演化过程不使用任务奖励或基准验证器输出。