论文页面 - ACLArena：多阶段后训练中的智能体持续学习

来源：https://huggingface.co/papers/2609.23989 作者： , , , , , , , , , ,

摘要

为工业部署构建通用智能体需要集成多种能力，每种能力通常在训练的不同阶段习得。然而，目前对于智能体持续学习（ACL）尚无成熟的方案，现有集成范式间的权衡也鲜有研究。为弥补这一空白，我们引入了ACLArena框架，用于全面研究、分析和评估ACL。我们首先构建了一个顺序训练流水线，并从模型层面和Token层面这两个互补视角，对遗忘和泛化机制进行了深入分析。基于这些分析，我们系统比较了多教师在策略蒸馏、自蒸馏微调和模型合并，以评估它们在保持新习得能力的同时恢复先前所学能力的能力。通过大量实验，我们对能力在各阶段间的迁移建立了深入理解。最后，我们提出了一种新的ACL方案，它将基于高质量轨迹的离线重播与多个LoRA专家的路由网络相结合，每个专家通过RL进行专门化训练，显著提升了智能体跨多领域学习的能力。在四种推理和智能体任务上，于域内和域外设置下进行的综合实验，证明了我们分析的价值和方法的有效性。

查看arXiv页面 (https://arxiv.org/abs/2609.23989) 查看PDF (https://arxiv.org/pdf/2609.23989) GitHub1 (https://github.com/WillDreamer/ACLArena) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.23989)

在你的智能体中获取此论文： hf papers read 2609.23989

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

无模型链接此论文

在模型README.md中引用arxiv.org/abs/2609.23989以从本页链接。

引用本文的数据集0

无数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2609.23989以从本页链接。

引用本文的Spaces0

无Space链接此论文

在Space README.md中引用arxiv.org/abs/2609.23989以从本页链接。

包含本文的合集0

无合集包含此论文

将本文添加到合集 (https://huggingface.co/new-collection) 以从本页链接。