前两篇分别解决了两个问题：Agentic RL 把模型放进可执行、可判分、可回放的环境，用完整 Trajectory 训练行动策略；SkillRL 再把历史轨迹蒸馏成结构化 Skill，通过 SkillBank 帮 Agent 在相似任务上少走弯路。
可当经验系统真正运行起来，还会撞上一堵墙：谁来保证提炼出的 Skill 有用？
同一条失败轨迹，有的模型能总结出“操作设备前先确认目标物体在 inventory 中”；有的模型只会写一句“下次要更仔细”；还有的模型会从偶然现象里归纳出错误规则。三段文字都像总结，迁移到新任务后的效果可能完全相反。
Evolving-RL 的 Figure 1 给了一个很直观的结果：给 Base Model 注入自身提炼的 Skill，ALFWorld Overall Success Rate 从 45.5 降到 44.5；注入 Evolving-RL 学出的 Skill 后，提升到 60.4。对 GRPO 策略，Skill 注入也从 79.9 提升到 88.8。
这说明 Skill 并不会天然带来收益。低质量经验会占用上下文、干扰决策，模型最稳妥的应对甚至是学会忽略它。
Evolving-RL 因此把 Skill 的生成也纳入强化学习：提炼出的 Skill 要在下游任务中接受检验，测试结果再同时更新 Extractor 和 Solver。
