SEED

SEED是一个面向长周期LLM智能体的自演化在线策略蒸馏框架，旨在提升基于结果的强化学习效果。其核心技术是将单一策略检查点同步用作行为执行器与轨迹分析器：在采集在线轨迹后，即时从中提炼回溯性技能（hindsight skills），并通过技能增强的上下文对动作概率进行重评分，以密集监督信号驱动策略更新。整个流程无需外部技能库、检索模块或部署时提示工程，推理简洁高效。适用于需要高成功率与长程规划能力的具身智能任务，如虚拟环境交互（ALFWorld）、网页操作（WebShop）和搜索型问答等场景。