4月10日，腾讯公司的一位公关负责人张军在社交平台上转发了一篇探讨人工智能“技能学习”的文章，并对此表达了赞同的观点。他认为，“炼化skill”这一近期流行的概念实际上只是训练执行特定指令的能力，而并未触及真正的思维模式。“skill”一词的中文翻译为“技能”，人们对于掌握更多技能有着天然的需求。这种需求催生了类似游戏化的追求——通过不断努力获取更多的技能来增强自身能力。
人工智能能够高效处理.md格式的markdown文档。
张军强调，“技能”的本质是一系列预设的行为模式或回应模板，学习这些“技能”主要在于模仿和模拟技巧层面的操作。他用“画皮难画骨”来形容这一现象，意在表明通过这种方式的学习，虽然可以在形式上接近目标，但却难以深入理解并掌握其背后的逻辑与思维结构。
最近，在业内关于人工智能特别是大型语言模型如何学习和应用特定技能的讨论非常热烈。相关技术尝试利用大量实例或指令训练来使模型能够针对具体场景或任务生成更加符合预期的回答。张军的观点则指出了这一方法的一个局限，即过于侧重于优化输出形式而忽略了思维本质的建立。
张军的评论引发了关于人工智能学习深度与广度问题更深层次的思考。在提高模型执行特定任务效率的同时，如何进一步促进其更加通用和深入的认知及推理能力的发展，依然是相关领域的探索重点。