正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
这篇论文关注Strategy Lock-In相关问题：当智能体依赖技能、记忆、工具和运行时控制时，模型外部系统怎样影响最终能力。
核心方法
这项分析把 AI 做 post-training 的能力拆成执行层和策略层，发现公开轨迹中的训练策略往往在一开始就被锁定，后续预算主要花在局部参数和实现调整。真正困难的是随证据更新高层判断。
实验结论
- 揭示 AI-for-AI 工作流中的策略锁定问题。
- 适合与同批推荐中的 Agent Skills、Harness 和长期记忆论文交叉比较。
局限性与证据边界
- 已按 arXiv 元数据和摘要整理，推荐文案为中文编辑摘要。
适合谁阅读
追踪 Agent Skills 与 Harness 研究比较模型外状态的收益和风险设计长期智能体系统Agent SkillsAgent Harness
可核验的原论文来源和作者
- 作者
- Joy Jia Yin Lim, Xin Huang, Hao Peng, Yaxi Lu, Xin Cong, Zhong Zhang
- 来源
- arXiv
- 论文 ID
- 2608.19072