跳到正文
Hugging Face Daily Papers·· 2026-10-04AI 评分73

ASCENT:通过验证经验自蒸馏实现长程智能体的在线测试时训练

ASCENT: Online Test-Time Training of Long-Horizon Agents via Self-Distillation of Verified Experience

AI 导读

论文提出 ASCENT 方法,让大语言模型智能体在执行任务流的过程中,利用自身产生的、经终止信号验证的轨迹进行在线测试时训练(OaTTT)。该方法冻结初始模型作为稳定版本,以 hindsight 视角预测已执行轨迹上的下一 token 分布,并通过蒸馏至持久化 LoRA 权重来更新策略。

来源:Hugging Face Daily Papers · arxiv.org