Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training

• 类型：arxiv
• 标识：2608.26730
• 链接：https://arxiv.org/abs/2608.26730
• 主分类：engineering
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Conditional experience transfer is formulated as conditional experience transfer and Boundary-Calibrated Intervention Transfer is introduced, a method that authorizes experience reuse before weight-changing training and attains higher equal-budget final-model quality than the evaluated alternatives.
• OpenAlex ID：W7204604140
• OpenAlex DOI：10.48550/arxiv.2608.26730
• DOI：10.48550/arxiv.2608.26730
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.26730
• OpenAlex更新：2026-09-07
• 待LLM分类：否
• 标题中文：知道何时不复用：自主 LLM 后训练中的条件经验迁移
• TLDR中文：将条件经验迁移进行形式化，并提出 Boundary-Calibrated Intervention Transfer，一种在权重变化的训练之前即授权经验复用的方法，在相同预算下取得比所评估替代方案更高的最终模型质量。
• 来源文件：
• /inbox/tom/_candidates/2026-09-04-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]