基于特权回顾蒸馏的自我进化代理
论文提出 Retrospective Self-Distillation（RSD），模型利用特权回顾上下文对自身轨迹重打分，生成密集监督，无需真实奖励【7580035121207419770†L30-L34】。在 ALFWorld、ScienceWorld 与 SearchQA 上，RSD 提升最高达 59.7%【7580035121207419770†L36-L39】。表明可将自然积累经验转化为能力，无需外部验证器【7580035121207419770†L38-L39】.
报道来源
- Rohan Paul2026-10-23 05:54