重新审视自我演进Agent的持续经验内化

经验内化把过去交互中的上下文经验转化为可复用的参数化能力，为模型持续学习提供路径。以往研究主要关注单轮迁移；本研究发现，多轮经验学习时，已有方法出现逐步能力衰退，而非持续累积改善。研究从三个维度分析原因：（1）经验粒度：原则级经验比实例级经验更持久，能够抽象出可迁移策略，减少对特定轨迹细节的依赖；（2）注入方式：逐步骤注入明显优于全局注入，因为经验与中间决策状态更好对应，这对长程工具使用很重要；（3）内化方式：在高质量教师轨迹上进行离策略上下文蒸馏，比同策略上下文蒸馏提供更稳定的训练信号，后者受限于只能局部修正学生自身产生的缺陷状态。这些发现形成用于稳定、持续经验内化的方法组合，为自我演进和持续学习模型提供指导。