实证研究：训练与评估状态表示不一致损害Agent迁移

Dong Nie、Rui Lan、Yixin Nie、Lingzi Hong 在 arXiv 发布论文（arXiv:2610.15407，基于摘要），用 Qwen 1.7B、8B 和 27B 模型，在确定性工具工作流中比较不同工作流长度下的监督学习，并将训练用状态表示与评估用状态表示交叉实验，研究状态表示对长程 Agent 学习与迁移的影响。 交叉实验显示迁移对表示敏感：1.7B 模型用紧凑视图训练的适配器在紧凑视图下完成 50/50 个保留任务，但换到完整视图后完成 0/50；加入显式相关性线索改善了完整视图下的执行，但在测试检查点上未弥合差距。研究者称这表明表示敏感的迁移是受控工作流中的一个瓶颈，且研究未能把内容精简与观察的其他变化分离开。另一项 27B ScienceWorld 研究中，紧凑状态训练在两种视图下都提高了局部准确率，说明迁移模式取决于任务和观察构建方式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。