推理靠挑不靠写，技能进化留证据

今日 Hugging Face 论文榜的两篇高位新作，一篇管推理的形态，一篇管技能的账本，都在把 agent 的软成本往下压。

SSR：推理从作文题变成选择题

小模型做多模态 agent 时常有一个尴尬：动作之前先写一大段自由推理，写得很长却对下一步动作没什么指导价值，推理成本倒是实打实地付了。Feiyu Gavin Zhu 等十二位作者的选择式结构推理 SSR（arXiv:2610.01892，今日榜第 2 位）把形态整个换掉：高频出现的高层推理思路预先存成一组可复用的自然语言候选，模型不再生成而是按上下文似然挑一个。

妙处在打分方式：候选是预置的，可以用 teacher-forced 预填充配合共享 KV 缓存并行算似然，不需要任何辅助任务头。七个多模态搜索基准、2B 与 4B 模型、强化学习与监督微调双路线下，成功率保持竞争力，单轮推理延迟降九成以上，每题总推理延迟省 28 至 54 个百分点。这与站内刚写过的 SearchJev 是同一路数：快判断交给便宜的结构，生成只留给真正需要的环节。项目页已开放。

EVISKILL：技能编辑要有据可查

Yan Zhou 等人的 EVISKILL（arXiv:2610.05030，7 赞）处理经验驱动技能进化的两处老伤：编辑一旦落盘，背后的行为证据就丢了，出错难溯源；全局校验又可能错杀局部有依据的修正。方案分三步：执行观察组织成可回放证据卡，每次技能编辑都挂上支撑上下文；用定向重执行验证编辑效果并取反馈；有证据支撑的编辑先跨轮次保留，等全局校验通过才并入正式技能。三个交互基准、六个底座上验证。页面未见代码链接。

放在一起读

一篇省推理的钱，一篇管进化的账。加上此前写过的 VERA 共同进化与 Pivot-SD 落子训练，agent 的技能生命周期从获取、验证到维护，每一段都在被单独优化。