arXiv cs.CL· Shiding Zhu, Yudi Qi, Yajie Wang, Jiaze Li, Chao Song, Yaorui Shi, Yibo Miao, Hanqi Gao, Kai Zhang·· 11 小时前AI 评分39
EDV：面向智能体经验学习的执行-蒸馏-验证框架
Beyond Self-Reflection: An Execute-Distill-Verify Framework for Agentic Experience Learning
AI 导读
研究提出 EDV（Execute-Distill-Verify）框架，用于离线构建 LLM 智能体的经验记忆，避免反思机制把执行错误当作经验存储的“自我确认陷阱”。
正文 · AI 翻译
摘要：经验学习让大语言模型智能体通过外部记忆复用经验，而无需更新模型参数。然而，反思可能会认可执行错误，并将其存储为未来的指导，我们将这种失败模式称为自我确认陷阱。我们提出 EDV，一个用于离线经验构建的执行-蒸馏-验证框架。异构智能体独立执行每个任务；第三方蒸馏器比较它们的轨迹和环境反馈，以提取候选经验；执行者分别审查每个候选经验，仅保留一致通过的经验。评估使用单个求解器从冻结的记忆库中检索。在 $\tau^2$-bench、Mind2Web 和 MMTB 上的实验表明，重访任务性能有所提升，并有额外证据表明在 $\tau^2$-bench 上存在向留出任务的域内迁移。在标注的 Retail 子集上，EDV 将自我确认陷阱率从 RB-MaTTS 的 11.0% 降低到 5.0%，表明错误指导的保留减少。
| 评论： | 20 页，8 幅图，9 张表。修订了标题、手稿和附录 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7; I.2.11 |
| 引用为： | arXiv:2606.24428 [cs.CL] |
| （或 arXiv:2606.24428v2 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2606.24428 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shiding Zhu [查看电子邮件]
[v1]
2026 年 6 月 23 日星期二 11:05:05 UTC（905 KB）
[v2]
2026 年 10 月 31 日星期六 08:21:43 UTC（569 KB）
来源：arXiv cs.CL · arxiv.org