ASCENT：通过验证经验的自蒸馏实现长时地平线智能体的在线测试时训练

ASCENT 提出一种在线测试时训练方法，通过自蒸馏验证经验提升长时地平线智能体性能。该方法在部署过程中利用智能体执行轨迹中的验证结果，更新其 LoRA 快速权重，无需外部参考方案或更强教师模型。在 ALFWorld、WebShop 和 AppWorld 等基准上，ASCENT 随着经验积累提高了任务成功率和交互效率，并优于其他在线适应方法。