首页/新闻资讯/正文详情

DENSE:将智能体轨迹提炼为面向自我改进的证据驱动捷径树

发布时间:2026/9/25 20:03:55 来源:云帆数科 栏目:资讯中心
DENSE:将智能体轨迹提炼为面向自我改进的证据驱动捷径树
DENSE:将智能体轨迹提炼为面向自我改进的证据驱动捷径树arXiv编号:arXiv:2609.21423v1 [cs.AI]摘要线上部署的大模型智能体会产出海量执行轨迹,但任务专属验证器、专家标注成本高昂,难以大规模获取。本文研究:在没有事后任务结果标签的前提下,如何从原始轨迹中提炼可复用反馈信息,利用轨迹内部的局部进展、故障恢复、未完成需求等证据。提出DENSE(Distilling Evidence from Nested Subtask Executions,从嵌套子任务执行中提炼证据),将轨迹证据组织为证据驱动嵌套捷径树。DENSE压缩冗余尝试,利用恢复证据跨层级调和各类问题;对已完成分支做摘要,同时对未解决分支做展开;把可复用进展与剩余待完成义务建立关联。本文同时提出REFIT评测协议:源轨迹配对评测,在看不到事后任务结果标签的条件下对比不同反馈;重置环境与模型上下文,使用反馈对同一任务重新发起尝试。在Terminal‑Bench 2.1基准上,DENSE在四款被测接收模型上,在所有非特权反馈方法中取得最高严格通过率。相对原始首轮执行,严格通过率提升7.12‑15.64个百分点;重跑时接收方模型token观测消耗降低19.0‑43.6%。基于GPT‑5.5的消融实验证实:嵌套子任务分析、捷径构建、问题调和三者组合才能拿到完整增益。实验表明,可以依靠证据驱动的轨迹复用来实现智能体自我迭代,降低对外部监督的依赖。关键词智能体轨迹蒸馏;自我改进;嵌套子任务;捷径树;无标签反馈;REFIT协议;Terminal‑Bench目录引言DENSE:证据驱动的捷径树2.1 问题设定与总览2.2 构建嵌套子任务2.3 带证据的尝试过程压缩2.4 通过恢复证据调和问题2.5 渲染未完成需求义务REFIT:评估轨迹信息价值3.1 配对重跑实验3.2 可用信息定义3.3 下游效用指标实验4.1 实验设置4.1.1 任务4.1.2 接收方模型4.1.3 执行配置4.1.4 反馈生成模型4.1.5 评测指标与覆盖率4.2 对比方法4.3 任务性能结果4.4 消融实验

相关推荐

Docker 部署 Kafka 消息中间件实战:Lottery 抽奖系统 MQ 环境搭建与生产消费验证
Docker 部署 Kafka 消息中间件实战:Lottery 抽奖系统 MQ 环境搭建与生产消费验证

文档教程后端 【免费下载链接】CodeGuide :books: 本代码库是作者小傅哥多年从事一线互联网 Java 开发的学习历程技术汇总,旨在为大家提供一个清晰详细的学习教程,侧重点更倾向编写Java核心内容。如果本仓库能为您提供帮助,请给予支持(关注、… · 2026/9/25 20:03:49

HuggingFace| Carbon静态工程评测:26个文件背后的基因组基础模型“极简主义”革命
HuggingFace| Carbon静态工程评测:26个文件背后的基因组基础模型“极简主义”革命

HuggingFace| Carbon静态工程评测:26个文件背后的基因组基础模型“极简主义”革命评测快照:huggingface/carbon 10bbc4b 项目定位:HuggingFace开源的生成式基因组基础模型,用非重叠6-mer分词处理DNA序列 数据指标&… · 2026/9/25 20:03:49

Ragent 扩展指南:如何快速接入新模型供应商、检索通道与MCP工具
Ragent 扩展指南:如何快速接入新模型供应商、检索通道与MCP工具

Ragent 扩展指南:如何快速接入新模型供应商、检索通道与MCP工具 【免费下载链接】ragent 企业级 Agentic RAG 智能体 - 全链路覆盖文档解析、多路检索、意图识别、问题重写、会话记忆、MCP 工具调用与深度思考。面向真实业务场景,从 0 到 1 完整工程实现… · 2026/9/25 20:03:43

exit code 0是假胜利?一文搞懂进程退出码与排障方法
exit code 0是假胜利?一文搞懂进程退出码与排障方法

写代码这几年,几乎每天都会在开发工具下方看到一行绿色的小字:Process finished with exit code 0。第一次见到它的时候我还是个刚学编程的小白,心里想的是:这行字到底什么意思?是程序没问题了,还是它在跟我… · 2026/9/25 23:07:20

中文法律大模型实战:从基座选择到RAG增强的部署避坑指南
中文法律大模型实战:从基座选择到RAG增强的部署避坑指南

简介:LexiLaw是一款面向中文法律领域微调的大语言模型资源包,基于ChatGLM-6B架构,针对法律条款解读、案例分析、法规咨询等任务优化。适合法律科技开发者、NLP研究者和法律专业学生快速搭建智能问答原型,解决通用模型在法律场景下… · 2026/9/25 23:07:07

Teigha4 .NET读写DWG:不装AutoCAD也能解析图纸
Teigha4 .NET读写DWG:不装AutoCAD也能解析图纸

简介:Teigha(原名OpenDwg/DWGdirect)是脱离AutoCAD环境读写DWG文件的经典开发库,本资源面向.NET平台二次开发人员,以VB.net和C#双语言源码演示了不启动AutoCAD即可提取图形数据的实现思路。压缩包共165个文件、约61.5M… · 2026/9/25 23:06:34

统信UOS内网离线安装Flash插件全流程与避坑指南
统信UOS内网离线安装Flash插件全流程与避坑指南

简介:针对统信UOS内置浏览器无法加载Flash插件、且内网环境阻碍在线安装的问题,这份资源打包了一套离线安装与排错方案,主要面向政企运维人员、UOS普通用户及系统管理员,帮助恢复旧式Flash网页内容的正常显示。资源包共6个文件&am… · 2026/9/25 23:06:34

阳光板厂推荐 银川君瑞祥新材料科技质量参考评选
阳光板厂推荐 银川君瑞祥新材料科技质量参考评选

在工业厂房搭建、农业温室建设、体育场馆改造以及化工车间升级的各类工程项目中,采光板材的选择,从来都是影响项目整体质量、后期运维成本与使用安全的核心环节。面对西北区域强紫外线、大温差、多风沙的特殊气候,不少项目都曾踩过通用款采光… · 2026/9/25 23:06:27

基于PHP的H5转APP在线封装打包平台实现与避坑指南
基于PHP的H5转APP在线封装打包平台实现与避坑指南

简介:面向需要把H5手机网站快速封装成安卓和苹果安装包的开发者,这套PHP源码以在线打包方式提供免签绿色封装方案,支持Android与iOS平台。可自行上传安卓证书和启动图,并针对iOS 14全屏兼容问题做了专门修复;同时去除多… · 2026/9/25 23:06:21

数值优化(Numerical Optimization)学习系列-03-共轭梯度方法(Conjugate Gradient)
数值优化(Numerical Optimization)学习系列-03-共轭梯度方法(Conjugate Gradient)

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:31

创维E900V22D刷机全攻略:S905L3SB芯片兼容性解析与救砖实战
创维E900V22D刷机全攻略:S905L3SB芯片兼容性解析与救砖实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:31

MQTT协议原理与Broker服务器搭建实战:从Mosquitto到EMQX
MQTT协议原理与Broker服务器搭建实战:从Mosquitto到EMQX

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/25 1:00:37

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码