TAP：以轨迹锚定恢复支持长程Agent剪枝

新兴的长期 Agentic 任务需要重复的模型调用，这使得本已昂贵的语言模型的推理成本进一步恶化。虽然狭窄的 Agentic 任务表明有可能在不降低性能的情况下进行积极的模型修剪，但实证结果表明，为问答任务提出的现有方法在应用于 Agentic 模型时会严重降低任务性能。我们将这一失败归因于两个决定：修剪什么以及如何恢复。对于剪枝，一次性重要性估计无法跟踪剪枝后的模型如何适应。对于恢复，离线蒸馏仅涵盖教师前缀，而全轨迹同策略蒸馏会导致学生错误在轮流中复合。在这项工作中，我们提出了轨迹锚定剪枝（TAP），这是第一个用于强化学习（RL）训练的Agent的结构剪枝框架。 TAP 将结构修剪与有效的策略恢复结合起来，将交互锚定到教师轨迹，同时允许学生生成每个推理-行动响应。冻结的密集教师监督学生的响应前缀，解决响应内训练推理不匹配的问题，同时防止学生引起的偏差在训练轮次中传播。 TAP 不是一次性剪枝，而是使用恢复学生的恢复目标梯度对通道进行重新评分，将迭代通道选择与不断发展的策略联系起来。删除 60% 的 FFN 通道后，TAP 分别保留了 ALFWorld 和 WebShop 上密集 7B 智能体的 99.2% 和 88.0% 的任务成功率，同时将每个成功任务的 GPU 时间减少了约 22% 和 17%。这些结果证明了在有限的恢复预算下长视野Agent的有效结构压缩。