一种技能，多种模型：通过稀疏行为测试学习表示兼容性

基于摘要分析。本文研究 LLM 间技能迁移时的表示兼容性：即使技能流程不变，模型也可能对语义等价的指令结构与可执行组织方式产生不同响应。作者提出预算受限的诊断框架 SkillProbe，在技能适配前识别模型特定的表示偏好，并将诊断结果用于后续技能适配。 机制上，SkillProbeBank 提供 156 个匹配探针与 360 个语义等价变体，覆盖 14 类指令及可执行组织因素。SkillProbe 使用层次贝叶斯画像追踪偏好效应与不确定性，再依据单位成本下对表示决策的预期改进选择探针。该画像可作为现有技能迁移、生成、冷启动和版本漂移修复方法的条件信息；其主要贡献是提供可复用的行为诊断信号，而非替换底层 LLM。 作者报告，在完整探针库预算的 20% 下，SkillProbe 使用 198K tokens，与完整探针库所得表示决策达到 84.3% 的一致率，并以更低成本优于自适应低预算基线。这里的一致率衡量表示决策接近程度，不等同于下游任务成功率。作者另报告，与强技能学习方法集成后，该方法在 ALFWorld、WebShop、SkillsBench 和 SWE-Skills-Bench 上取得最佳平均排名；在涉及 Gemma、Llama、Qwen 及 GPT-4o 目标模型的七个额外迁移设置中，SkillGraph+SkillProbe 在 28 次配对基准比较中的 27 次优于 SkillGraph。 摘要未提供具体模型版本、预算核算细则、各任务指标与效应大小。实验协议、消融及统计信息尚未验证，需结合全文核对探针偏好如何映射为适配决策，以及诊断成本是否计入整体迁移成本。研究对象是 LLM 技能适配，材料未提供 EEG/BCI 验证，也未建立可直接迁移到神经信号解码的具体机制对应关系。