状态表示决定长程Agent迁移效果

一项实证研究对比了不同状态表示对长程Agent监督学习与迁移的影响。研究用1.7B、8B、27B的Qwen模型在确定性工具工作流中训练，工作流提供当前工件状态和候选动作配方。 在H16交叉实验中，用紧凑视图训练的1.7B adapter在紧凑视图下完成50/50留出任务，在全状态视图下完成0/50，三个配对训练种子结果一致；8B adapter对呈现类似的不对称。这表明模型学到的能力与训练时的状态表示绑定，换一种表示后无法迁移。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。