ASCENT：通过验证经验自蒸馏实现长程智能体在线测试时训练

AI 摘要

该论文提出 ASCENT 方法，用于长程 LLM 智能体的在线测试时训练（OaTTT）：智能体在部署中每个任务只执行一次，仅凭该次轨迹及其验证结果作为学习信号。ASCENT 通过让冻结的初始模型副本以验证轨迹作为特权信息进行自蒸馏，将预测分布蒸馏进持久的 LoRA 快速权重，从而避免直接模仿或强化单次尝试导致的策略不稳定。在 ALFWorld、WebShop 和 AppWorld 上，ASCENT 随经验积累提升任务成功率与交互效率，超过在线适应方法，并可迁移到未见场景；在 ALFWorld 和 WebShop 上两种模型规模下精确成功率提升超过 22 个百分点。

正文节选

ASCENT: Online Test-Time Training of Long-Horizon Agents via Self-Distillation of Verified Experience Abstract A large language model (LLM) agent solves long-horizon tasks through many reasoning-action turns, with one verification signal at termination. Deployed agents face streams of related tasks, making their trajectories a natural resource for improvement. In-context adaptation agents store reflections, memories, or skills as text, so reuse depends on retrieving the right experience and on a

发布时间：—

抓取时间：2026-10-06 11:09

来源机构：Hugging Face