复旦美团团队提出DENSE：把Agent轨迹蒸馏成捷径树
热点事件持续更新
复旦美团团队提出DENSE：把Agent轨迹蒸馏成捷径树
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
复旦大学与美团Longcat团队（Siyuan Liu等）发布论文提出 DENSE 方法，用于在无奖励信号、无正确性标签的条件下复用智能体执行经验：它把轨迹证据组织成嵌套捷径树，合并冗余尝试、识别已完成子任务，将噪声执行轨迹转为结构化可复用的反馈。 据论文称，在 Terminal-Bench 2.1 上，DENSE 在四个智能体模型上取得最高严格通过率，较初始尝试提升 7.12 至 21.81 个百分点，重试时智能体 token 减少 19.0% 至 43.6%。上述效果均为论文报告的数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
DENSE：将智能体轨迹蒸馏为证据接地的捷径树以实现自我精炼报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIDENSE：将智能体轨迹蒸馏为证据接地的捷径树以实现自我精炼
针对无奖励信号和正确性标签下难以复用智能体执行经验的问题，研究者提出 DENSE，将轨迹证据组织为嵌套捷径树，合并冗余尝试、识别已完成子任务，把噪声执行轨迹转为结构化可复用的反馈。在 Terminal-Bench 2.1 上，DENSE 在四个智能体模型上取得最高严格通过率，较初始尝试提升 7.12-21.81 个百分点，重试时智能体 token 减少 19.0-43.6%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。