ASCENT：通过自蒸馏已验证经验，在推理时在线训练长程智能体
该研究提出 ASCENT，使基于大语言模型的智能体在部署期间从已验证的任务轨迹中学习。该方法不直接模仿智能体生成的 token，而是使用模型初始状态的冻结副本，沿已验证轨迹进行事后预测，再将预测蒸馏到可持续保留的 LoRA 适配器中，以提升后续任务表现。在 ALFWorld、WebShop 和 AppWorld 上的评估显示，随着经验积累，任务成功率和交互效率均有所提高，且能力能够迁移到未见过的场景。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。