作者提出了DisCo，这是一种以技能驱动的研究代理，旨在通过从外部来源提炼领域特定的专业知识来弥合操作知识的差距。该系统通过两种互补的形式将广泛使用的机器学习仓库浓缩为可重用、经过验证的技能：用于广泛用途的任务无关蒸馏和用于特定需求的任务导向蒸馏。

  • DisCo生成了AREX-Skill库，其中包含超过5,000个经过验证的技能，这些技能是从20个领域和178个能力家族中的1,000个ML仓库中提炼出来的。
  • 当与GPT-5.5骨干网络结合并使用固定的执行预算时，配备技能的代理在MLE-bench上比没有技能的基线高出134.3%，在PaperBench上高出34.4%，在FrontierCS上高出9.2%，在PassNet上高出14.0%。

这些结果表明，添加提炼的操作上下文允许自主代理跨任务重用知识，而不是在每次运行时重新发现它。