ACLArena：多阶段后训练中的Agent持续学习

构建面向工业部署的通用智能体需要整合多种能力，而每种能力通常在训练的不同阶段获得。然而目前尚无公认的智能体持续学习（ACL）配方，对现有整合范式之间取舍的理解也很少。为填补这一空白，我们提出 ACLArena，一个用于全面研究、分析和评估 ACL 的框架。我们首先构建顺序训练管线，并从模型层和 token 层两个互补视角深入分析遗忘与泛化的机制。在这些分析指导下，我们系统比较多教师在线策略蒸馏、自蒸馏微调和模型合并，评估它们在保留新获能力的同时恢复已学能力的表现。通过大量实验，我们对能力如何跨阶段迁移建立了细致理解。最后，我们提出新的 ACL 配方：在高质量轨迹上离线回放，结合多个经 RL 专门化并由路由网络组织的 LoRA 专家，显著提升智能体跨多个领域的学习能力。在四个推理与智能体任务上的全面实验（域内和域外设置）验证了我们分析的价值与方法的有效性。