智能体把失败教训蒸馏成轻量适配器并持久复用。
资讯摘要
论文提出 Self-Direction 机制，让智能体任务失败后反思轨迹、提取教训，并即时蒸馏为轻量低秩适配器；原始权重保持冻结，每个适配器训练参数约为基座模型参数量的 0.02%，教训存入持久库并按需路由复用。作者报告在 GAIA、Claw-Eval、Terminal-Bench 2.1 上基于 Qwen 系列开放权重模型的实验整体成功率提升 8.9 至 17.0 个百分点，重复错误减少，少量适配器可迁移到数十个新任务。
要点速读
- 失败后反思轨迹并蒸馏为低秩适配器，基座权重冻结，单适配器参数量约为基座的 0.02%。
- 适配器存入持久教训库，后续自动路由到相关问题。
- 作者报告在 GAIA、Claw-Eval、Terminal-Bench 2.1 上成功率提升 8.9 至 17.0 个百分点，修正可靠性接近翻倍。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。