# COBRA‑Skills 论文总结与翻译
> 论文信息：arXiv:2609.11682，COBRA‑Skills: Contextual Bandit‑Guided Evolution for Agent Skill Optimization
## 一、论文主要内容
本文针对大语言模型Agent的可复用技能优化问题展开研究。现有Agent技能优化方法高度依赖开销巨大的执行评估，并且需要大量任务数据，成本高、样本效率低。
作者将**Agent技能优化建模为动态候选空间下带预算约束的序列优化问题**，提出COBRA‑Skills框架。该框架把**情境多臂老虎机（Contextual Bandit）引导的优先级筛选**与**基于真实执行证据的技能演化**结合起来：利用老虎机机制，把有限的评估预算优先分配给潜力高、或者信息增益大的候选技能；再基于Agent执行得到的轨迹反馈，持续迭代更新技能种群（skill population）。
实验在6个异构Agent基准测试集、3个不同能力的目标大模型上完成。对比基线方法SkillOpt，COBRA‑Skills优化成本降低55‑58%，每个基准仅使用50个独立优化样本，同时取得最优平均性能。额外实验验证：该框架对Agent执行环境（harness）变化具备鲁棒性；支持目标模型自身完成技能生成与迭代（自教学self‑teaching），也支持跨模型技能迁移，泛化能力强。
## 二、核心创新点
1. **问题建模创新**：将Agent技能优化形式化为动态候选空间、带预算约束的序列优化问题。候选技能收益不确定，只能通过开销昂贵的目标Agent执行评估才能获知回报。
2. **框架架构创新**：COBRA‑Skills闭环框架，融合**情境老
