X-Tree 论文：零 LLM 调用挖掘轨迹技能树，训练数据、奖励、上下文三用

hllo_wrld · x · 2026-10-06

滑铁卢大学、杜克与新加坡国立大学的新工作 X-Tree：现有 agent 训练（SFT、RLVR）都在平坦动作序列上逐 token 均匀加权，浪费了任务间反复出现的可复用子过程。作者借鉴文本 tokenizer 的思路，不调用任何 LLM，仅通过统计动作片段的可复用性并合并规范化动作，从已有轨迹中挖掘出一棵「经验树」。

每个 X-Tree 节点描述一个高频且导向成功的技能如何由子技能组合而成，并以三种方式接入训练：作为数据（offline RL 的训练实例）、作为奖励（online RLVR 的自适应技能加分）、作为上下文（on-policy 自蒸馏中自教师的特权上下文）。