DENSE：將智能體軌跡提煉為面向自我改進(jìn)的證據(jù)驅(qū)動(dòng)捷徑樹arXiv編號(hào)：arXiv:2609.21423v1 [cs.AI]摘要線上部署的大模型智能體會(huì)產(chǎn)出海量執(zhí)行軌跡，但任務(wù)專屬驗(yàn)證器、專家標(biāo)注成本高昂，難以大規(guī)模獲取。本文研究：在沒有事后任務(wù)結(jié)果標(biāo)簽的前提下，如何從原始軌跡中提煉可復(fù)用反饋信息，利用軌跡內(nèi)部的局部進(jìn)展、故障恢復(fù)、未完成需求等證據(jù)。提出DENSE（Distilling Evidence from Nested Subtask Executions，從嵌套子任務(wù)執(zhí)行中提煉證據(jù)），將軌跡證據(jù)組織為證據(jù)驅(qū)動(dòng)嵌套捷徑樹。DENSE壓縮冗余嘗試，利用恢復(fù)證據(jù)跨層級(jí)調(diào)和各類問題；對(duì)已完成分支做摘要，同時(shí)對(duì)未解決分支做展開；把可復(fù)用進(jìn)展與剩余待完成義務(wù)建立關(guān)聯(lián)。本文同時(shí)提出REFIT評(píng)測(cè)協(xié)議：源軌跡配對(duì)評(píng)測(cè)，在看不到事后任務(wù)結(jié)果標(biāo)簽的條件下對(duì)比不同反饋；重置環(huán)境與模型上下文，使用反饋對(duì)同一任務(wù)重新發(fā)起嘗試。在Terminal?Bench 2.1基準(zhǔn)上，DENSE在四款被測(cè)接收模型上，在所有非特權(quán)反饋方法中取得最高嚴(yán)格通過率。相對(duì)原始首輪執(zhí)行，嚴(yán)格通過率提升7.12?15.64個(gè)百分點(diǎn)；重跑時(shí)接收方模型token觀測(cè)消耗降低19.0?43.6%。基于GPT?5.5的消融實(shí)驗(yàn)證實(shí)：嵌套子任務(wù)分析、捷徑構(gòu)建、問題調(diào)和三者組合才能拿到完整增益。實(shí)驗(yàn)表明，可以依靠證據(jù)驅(qū)動(dòng)的軌跡復(fù)用來實(shí)現(xiàn)智能體自我迭代，降低對(duì)外部監(jiān)督的依賴。關(guān)鍵詞智能體軌跡蒸餾；自我改進(jìn)；嵌套子任務(wù)；捷徑樹；無標(biāo)簽反饋；REFIT協(xié)議；Terminal?Bench目錄引言DENSE：證據(jù)驅(qū)動(dòng)的捷徑樹2.1 問題設(shè)定與總覽2.2 構(gòu)建嵌套子任務(wù)2.3 帶證據(jù)的嘗試過程壓縮2.4 通過恢復(fù)證據(jù)調(diào)和問題2.5 渲染未完成需求義務(wù)REFIT：評(píng)估軌跡信息價(jià)值3.1 配對(duì)重跑實(shí)驗(yàn)3.2 可用信息定義3.3 下游效用指標(biāo)實(shí)驗(yàn)4.1 實(shí)驗(yàn)設(shè)置4.1.1 任務(wù)4.1.2 接收方模型4.1.3 執(zhí)行配置4.1.4 反饋生成模型4.1.5 評(píng)測(cè)指標(biāo)與覆蓋率4.2 對(duì)比方法4.3 任務(wù)性能結(jié)果4.4 消融實(shí)驗(yàn)