经验不是想复用就复用：BCIT 给自主后训练加了一道「授权关卡」

你有没有想过一个问题：一个全自动的模型训练 Agent，跑着跑着积累了几十条「上次这么训效果不错」的经验——这些经验在模型已经变了好几轮之后，还作数吗？

上周读到 arXiv 2608.26730 这篇论文，它把这个很少有人认真讨论的问题单独拎了出来，还起了个名字：条件经验迁移（Conditional Experience Transfer）。说实话我第一反应是「这不就是检索加规则吗」，但读完之后发现，它真正值钱的地方在于把一个隐含的工程直觉——过去的效果只是来源上下文里的证据，不是当前上下文里的许可证——变成了一套显式的、可审计的决策机制。

核心摘要

自主后训练系统（自动提议更新、训练候选、评估反馈、迭代下一轮）会不断积累「更新→结果」的历史记录。但一个更新的效果绑定在它的父模型、数据配比和训练阶段上，父模型一旦换人，旧证据就可能失效甚至误导。这篇论文提出 BCIT（Boundary-Calibrated Intervention Transfer，边界校准干预迁移）：在动用真金白银的全量训练算力之前，先对每条经验做授权裁决——硬冲突直接否决、证据不足就做有预算上限的当前状态试训、证据达标才放行全量训练。在 Qwen3-4B 跨金融推理、text-to-SQL、函数调用三个方向的实验中，BCIT 在等算力预算下把最终模型均分从 Flat-Additive 的 44.4 拉到 47.0，同时有害更新的授权率从 62.5% 压到 25.0%。这不是底层算法突破，而是一个把「该不该信旧经验」制度化的控制层设计——但恰恰是自主训练系统走向实用绕不开的那一层。

论文信息

• 标题：Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training
• 作者：Tingyun Li, Wenfeng Feng, Weiqing Li, Abudukelimu W