Applied Compute 分享企业级 Agent 持续学习：在线提示修复格式与效率
AI Engineer · youtube · 2026-08-13
Applied Compute 的 Samuel Denton 在演讲中分享了如何将持续学习引入企业级 Agent。他们致力于将 SWE bench 上的提交时机从 80 轮压缩至 40 轮，并成功将工具调用率从 22% 提升至 60%。
蒸馏框架的四象限
Denton 提出了一个分析网格：一轴是轨迹的“在线程度”（从静态的生产数据转储到训练服务一体化）；另一轴是“提示来源”（静态先验或基于模型当前动作的动态构建）。他们主要攻克其中两个角落：离线提示+离线轨迹无需可重放环境，第一天即可从数据转储中改进 Agent；在线提示+在线轨迹则拥有更高的性能上限。
动态提示的胜利
在一个需要特殊超链接格式的客户案例中，直接奖励正确格式或对其进行微调都会损害模型的编码能力。而通过针对每次 rollout 编写的动态提示，将格式正确率从 15% 跃升至 80%。
实践机制
为了让动态提示真正生效，他们采用两个核心机制：一是让评估器选择提示插入 rollout 的位置，且仅蒸馏接下来的几步，因为学习信号会随距离衰减；二是对学习的 token 进行掩码处理，剔除教师模型对连词等无关词汇的强烈偏好。整个过程完全不需要标准答案进行蒸馏。
「编程与Agent」频道最新
- 开源免费 MCP 服务器：无需 API 密钥实现网页搜索 — No-Property3068 · 2026-08-13
- 免费MCP服务器：无需API密钥的搜索与抓取工具 — GoldBroccoli7073 · 2026-08-13
- 用AI Agent同时管理30个开源项目 — jiayuan_jy · 2026-08-13
- 黄仁勋称企业 IT 部门将变 AI 智能体 HR — PrajwalTomar_ · 2026-08-13
- AI 辅助优化底层视觉库：速度提升 2.5 倍并修复 LAPACK 报错 — ducha_aiki · 2026-08-13
- Qdrant 举办黑客松：用知识图谱为 Slack 打造 AI 记忆层 — qdrant_engine · 2026-08-13