PANDO：通过在线技能蒸馏实现高效的多模态 AI 智能体

近期多模态网页智能体常依赖增加推理计算成本。本文探讨智能体能否随经验积累变得更高效。通过分析 VisualWebArena 轨迹，识别出重复动作循环、隐藏发现成本低及提示缓存复用率低三大低效来源。为此，提出 PANDO，一种单次滚动的在线技能蒸馏框架，维护结构化技能库，结合进度反思、基于置信度的技能降级、分层路由、视觉压缩及缓存感知提示。实验表明，PANDO 在成功率上优于基线，同时显著降低 Token 消耗，并提出了新的轨迹级效率评估指标。