一石二鸟：统一检索与利用的技能增强生成框架

大型语言模型在处理复杂任务时，常需要借助外部知识来弥补自身能力的不足。技能（Skills）作为一种可复用的外部知识，已被证明能显著提升模型的问题解决能力。然而，现有的技能增强生成方法通常将技能检索与技能利用割裂开来，分别使用独立的模型进行处理，导致两个过程无法协同优化。针对这一痛点，研究者提出了Skill-Uni——一个统一强化学习框架，旨在联合优化技能检索与利用，实现“一石二鸟”的效果。

技能增强生成的现状与挑战

当前，技能增强生成的主流做法是采用检索-利用的流水线：先由检索模型从技能库中找出相关技能，再由生成模型基于这些技能解决问题。这种分离式设计虽然直观，但存在明显缺陷。检索模型和利用模型各自独立训练，检索的目标与最终任务目标并不一致——检索模型追求的是召回相关性，而生成模型需要的是对任务有用的技能。这种目标错位导致整体性能受限，且两个模块的优化无法相互促进。

Skill-Uni的提出正是为了打破这种割裂。它采用生成式技能检索范式，让单一模型同时学习如何检索相关技能以及如何利用技能求解任务。这样一来，检索和利用共享同一套参数，能够端到端地联合优化，从根本上解决了目标不一致的问题。

Skill-Uni的核心设计：统一框架与两阶段训练

Skill-Uni的核心创新在于将技能检索和利用统一到一个生成式框架中。模型不再需要独立的检索器，而是直接生成技能标识或描述，并在此基础上继续生成任务答案。这种设计让检索过程自然地融入生成流程，检索的质量直接由最终任务表现来驱动。

为了有效训练这一统一框架，研究者设计了两阶段训练策略。第一阶段是热身指令微调（warm-up instruction tuning），让模型初步熟悉技能检索和利用的基本模式；第二阶段采用GRPO（Group Relative Policy Optimization）强化学习算法，进一步优化模型在检索和利用上的联合表现。这种渐进式训练让模型逐步提升技能检索与利用能力，避免了直接强化学习可能带来的不稳定。

GRPO（Group Relative Policy Optimization）是DeepSeek^广告团队提出的一种强化学习算法，专为大型语言模型的训练设计。与传统PPO（Proximal Policy Optimization）需要单独训练价值网络（critic）不同，GRPO通过组内相对比较来估计优势函数：对同一问题采样多个回答，以组内平均奖励为基线计算每个回答的相对优势，从而省去了价值网络的开销。这种设计显著降低了强化学习的计算成本和内存占用，同时保持了训练的稳定性。GRPO已被成功应用于DeepSeek-R1等推理模型的训练中，在数学推理、代码生成等任务上展现出良好效果。Skill-Uni采用GRPO进行第二阶段训练，正是看中其在LLM场景下高效且稳定的特性。

生成式检索（Generative Retrieval）是一种与传统稠密向量检索截然不同的检索范式。传统检索依赖双塔编码器将查询和文档分别映射为向量，再通过近似最近邻搜索找出相关文档；而生成式检索则将文档标识符（如DocID）或描述作为目标序列，由模型直接自回归地生成检索结果。这种范式的优势在于：检索过程与生成过程共享同一模型和参数，可以端到端优化；检索结果直接服务于下游任务，目标一致性更强。生成式检索最早在文档检索领域被提出（如DSI模型），近年来逐渐扩展到多模态检索和知识增强生成等场景。Skill-Uni采用这一范式，使技能检索自然融入生成流程，检索质量由最终任务表现驱动。

实验效果：显著性能提升与广泛兼容性

研究者在五个与技能相关的基准测试上进行了 extensive 实验。结果显示，Skill-Uni相比基础模型取得了显著的性能提升：相较于Qwen3-4B平均提升66.59%，相较于LLaMA3.1-8B平均提升34.82%。这些数字表明，统一优化检索与利用确实能带来实质性的收益。

除了性能提升，Skill-Uni还展现出良好的灵活性和通用性。它能够兼容多种技能检索引擎，这意味着用户可以根据实际需求选择不同的检索后端，而不必受限于特定实现。这种兼容性降低了部署门槛，也增强了框架的实用性。此外，研究者还进行了深入分析，进一步揭示了Skill-Uni有效性的来源，为后续研究提供了有价值的参考。

对技能增强生成领域的启示

Skill-Uni的成功验证了一个重要思路：技能检索与技能利用不应是分离的两个步骤，而应被视为一个整体来优化。这种统一视角不仅提升了性能，还简化了系统架构——不再需要维护多个模型，训练和推理流程都更加简洁。

从更宏观的角度看，Skill-Uni代表了技能增强生成领域的一种趋势：从模块化流水线走向端到端联合优化。随着LLM应用场景日益复杂，如何高效地利用外部知识将成为关键竞争力。Skill-Uni提供的统一强化学习框架，为后续研究开辟了新的方向，也提醒我们：有时“一石二鸟”并非不可能，关键在于找到正确的整合方式。

对于开发者而言，Skill-Uni的兼容性意味着它可以与现有技能库和检索引擎结合，快速集成到实际应用中。虽然论文未披露具体的部署细节，但其设计思路已经足够清晰：用单一模型统一检索与利用，用两阶段训练保证效果，用兼容性保证落地。这三点构成了Skill-Uni的核心价值，也值得技能增强生成领域的从业者深入关注。