arXiv 2026年10月12日长程智能体训练不再只看重复状态：把任务进度写进比较条件，WebShop成功率再涨3.96与5.16个百分点长程语言模型智能体的训练改在已有轨迹组内构造动作偏好：比较条件同时看动作前状态与任务进度，WebShop上Qwen3-4B与8B的平均成功率分别提高3.96和5.16个百分点。长程语言模型智能体的训练改在已有轨迹组内构造动作偏好：比较条件同时看动作前状态与任务进度，WebShop上Qwen3-4B与8B的平均成功率分别提高3.96和5.16个百分点。Meituan (China)Tsinghua UniversityImperial College LondonChenxu Zhang（第一作者）#匹配上下文组策略优化#信用分配#大语言模型智能体#ALFWorld 基准#WebShop 基准