其他arXiv 2610.05831·10月5日长时程轨迹监督如何影响终端智能体训练的可靠性与成本提出选择性长时程精炼，筛选轨迹以提升终端智能体训练可靠性arXiv2610.05831发表10月5日层训练与数据层场景coding agent被测模型Qwen/Qwen3-8B摘要中间长度的监督更均衡。这项工作研究终端智能体模仿学习里，教师轨迹应保留多少 token。深度解读完整解读