ASCENT：通过自蒸馏验证经验实现长程智能体在线训练

发生了什么

据Hugging Face Papers报道，研究提出ASCENT（Agentic Self-distillation for Cross-task EvolutioN at Test-time），一种用于长程智能体的在线测试时训练方法。该方法通过将验证过的轨迹自蒸馏到持久化的LoRA权重中，无需外部教师或记忆检索即可提升智能体成功率与效率。在ALFWorld和WebShop基准测试中，精确成功率较基线提升超过22个点，且每集回合数减少，增益可迁移至未见场景。