长任务智能体把记忆写进普通文件：CAMP-II 五环境均分 64.6%，高于任务奖励参照 CAMP-I 的 54.2%
核心概要
长任务智能体的交互历史会超出上下文窗口，因此需要学会何时把状态写下来、何时读回。此前用在线策略蒸馏训练记忆控制时，依赖教师和学生都没见过的专用记忆工具或压缩协议，教师难以给出有效指导，学生也很少采样到有意义的记忆动作。CAMP-II 改走教师与学生预训练中都已熟悉的普通 Bash 文件操作，在五个长任务环境上联合训练单一策略，五环境平均任务成功率 64.6%，高于任务奖励参照 CAMP-I 的 54.2%，并迁移到 Terminal-Bench 2.1 与 SWE-Bench Pro V2。
深度剖析
长任务智能体的记忆控制改由普通文件操作承担，不再依赖专用记忆工具或压缩协议，训练后的策略在五个长任务环境上取得最高平均成功率。 此前的记忆蒸馏把记忆放在教师和学生预训练中都没有的接口上，教师无法对没使用过的接口给出有用指导，学生也采样不到足够的记忆动作。 在 CAMG-II 的五个环境、每个环境 128 个测试任务共 640 个任务上，CAMP-II 平均成功率 64.6%，CAMP-I 为 54.2%；五个训练种子的五环境均值为 64.9，标准差 0.5。
记忆通过一次普通 bash 调用完成，策略可以在整个回合持续存在的工作区里创建、修改、搜索和复用文件，把任务状态留在上下文之外。 上下文接近预算时会被清空，替换前策略必须写出一个有长度上限的续接文件，替换后新上下文只给出该文件路径，策略需自行读回。 训练用完全异步的在线策略蒸馏，教师为冻结的 Qwen3.8-27B，学生为 Qwen3.5-4B 与 Qwen3.5-9B，100 轮学习器更新、每轮 64 个回合，五环境等量混合，不使用任务奖励。
学到的记忆行为迁移到 CAMG-II 之外的两个基准，两个规模的策略都超过各自起点模型。 4B 策略在两个基准上各提高 6.9 个百分点，9B 策略在两个基准上都高于更大的 Qwen3.5-35B-A3B。 在 Terminal-Bench 2.1 与 SWE-Bench Pro V2 上，CAMP-II-9B 分别为 38.0 和 30.1，CAMP-II-4B 为 30.0 和 18.1，起点 Qwen3.5-4B 为 23.1 和 11.2。
启示与展望
演示范围是 CAMG-II 的 Shop、Coding、AutoResearch、General、Visual 五个环境，每个环境 128 个测试任务，外加 Terminal-Bench 2.1 与 SWE-Bench Pro V2 的无网络任务子集；读者对象是训练长任务智能体与做在线策略蒸馏的研究者。
研究覆盖的学生最大到 Qwen3.5-9B，且只用一个冻结教师；增益在更大规模上是否保持、能否推广到多教师在线策略蒸馏，均未测试。