ASCENT：通过自蒸馏验证经验实现长程智能体的在线测试时训练

针对长程 LLM 智能体部署中仅靠终止验证信号、难以持续改进的问题，研究者提出 ASCENT，用冻结的初始模型以验证轨迹作为特权信息预测 next-token 分布，再蒸馏进持久 LoRA 快速权重，无需外部参考解或更强教师。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。