DENSE：將智能體軌跡提煉為面向自我改進的證據(jù)驅動捷徑樹arXiv編號：arXiv:2609.21423v1 [cs.AI]摘要線上部署的大模型智能體會產出海量執(zhí)行軌跡，但任務專屬驗證器、專家標注成本高昂，難以大規(guī)模獲取。本文研究：在沒有事后任務結果標簽的前提下，如何從原始軌跡中提煉可復用反饋信息，利用軌跡內部的局部進展、故障恢復、未完成需求等證據(jù)。提出DENSE（Distilling Evidence from Nested Subtask Executions，從嵌套子任務執(zhí)行中提煉證據(jù)），將軌跡證據(jù)組織為證據(jù)驅動嵌套捷徑樹。DENSE壓縮冗余嘗試，利用恢復證據(jù)跨層級調和各類問題；對已完成分支做摘要，同時對未解決分支做展開；把可復用進展與剩余待完成義務建立關聯(lián)。本文同時提出REFIT評測協(xié)議：源軌跡配對評測，在看不到事后任務結果標簽的條件下對比不同反饋；重置環(huán)境與模型上下文，使用反饋對同一任務重新發(fā)起嘗試。在Terminal?Bench 2.1基準上，DENSE在四款被測接收模型上，在所有非特權反饋方法中取得最高嚴格通過率。相對原始首輪執(zhí)行，嚴格通過率提升7.12?15.64個百分點；重跑時接收方模型token觀測消耗降低19.0?43.6%?；贕PT?5.5的消融實驗證實：嵌套子任務分析、捷徑構建、問題調和三者組合才能拿到完整增益。實驗表明，可以依靠證據(jù)驅動的軌跡復用來實現(xiàn)智能體自我迭代，降低對外部監(jiān)督的依賴。關鍵詞智能體軌跡蒸餾；自我改進；嵌套子任務；捷徑樹；無標簽反饋；REFIT協(xié)議；Terminal?Bench目錄引言DENSE：證據(jù)驅動的捷徑樹2.1 問題設定與總覽2.2 構建嵌套子任務2.3 帶證據(jù)的嘗試過程壓縮2.4 通過恢復證據(jù)調和問題2.5 渲染未完成需求義務REFIT：評估軌跡信息價值3.1 配對重跑實驗3.2 可用信息定義3.3 下游效用指標實驗4.1 實驗設置4.1.1 任務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 評測指標與覆蓋率4.2 對比方法4.3 任務性能結果4.4 消融實驗