Agentic ESOpt：以极低 GPU 需求微调长时程 LLM 智能体

Agentic ESOpt 是一个面向长时程 LLM 智能体的全参数微调框架，用进化策略（ES）替代强化学习，仅需推理级 GPU 显存即可完成全参数优化。在 WebArena-Lite 上，Qwen-3.5-27B 的全参数优化较 No Skill 基线提升 6.69%；在测试时自动启发式设计中，其在线提示词—参数协同进化在 36 个设置中的 28 个优于匹配基线。