ASCENT：通过自蒸馏验证经验实现在线测试时训练的长程智能体

ASCENT 提出一种在线智能体测试时训练方法，让 LLM 在部署过程中用自身执行轨迹更新权重，通过将验证过的轨迹作为特权信息自蒸馏进持久 LoRA 快速权重，无需外部参考解或更强教师模型。在 ALFWorld、WebShop 和 AppWorld 上，ASCENT 随经验积累提升任务成功率与交互效率，优于在线适应方法，并可迁移到未见场景。