Sitao Cheng

该工作提出 X-Tree：先用规范化把每个动作变成 typed token（如 type⟨date⟩、click⟨button⟩），再用 X-Score（按复现频率、跨度长度、出现在成功回合中的比例打分）递归合并相邻动作对，从轨迹池中确定性地挖出一棵可复用经验树，全程零 LLM 调用；随后把 X-Tree 接入三种训练方式——离线 RL（每个节点作为一个训练实例，用步匹配奖励加深度缩放完成奖励）、在线 RLVR（自适应技能奖励，验证器信号稀缺时给分、变密时退火）、以及 on-policy 自蒸馏（把 X-Tree 渲染成自教师的特权上下文，替代 LLM 编写的技能库）；在 WebArena、ScienceWorld、WebSho

该工作提出 X-Tree：先用规范化把每个动作变成 typed token（如 type⟨date⟩、click⟨button⟩），再用 X-Score（按复现频率、跨度长度、出现在成功回合中的比例打分）递归合并相邻动作对，从轨迹池中确定性地挖出一棵可复用经验树，全程零 LLM 调用；随后把 X-Tree 接入三种训练方式——离线 RL（每个节点作为一个训练实例，用步匹配奖励加深度缩放完成奖励）、在线 RLVR（自适应技能奖励，验证器信号稀缺时给分、变密时退火）、以及 on-policy 自蒸馏（把 X-Tree 渲染成自教师的特权上下文，替代 LLM 编写的技能库）；在 WebArena、ScienceWorld、WebSho