arXiv · cs.AI· Chu Zhao, Lei Tang, Yanming Wang, Jianzhe Zhao, Guibing Guo, Zhengzong Chen, Yuanyuan Zhao, Fei Huang·· 1 天前
ToolOPD：面向工具使用智能体的信用感知在策略蒸馏
ToolOPD: Credit-Aware On-Policy Distillation for Tool-Use Agents
arXiv:2610.25693v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chu Zhao, Lei Tang, Yanming Wang, Jianzhe Zhao, Guibing Guo, Zhengzong Chen, Yuanyuan Zhao, Fei Huang
研究任务与主要进展
ToolOPD 提出面向长程工具使用的在策略蒸馏框架，通过结果感知的信用分配替代均匀轨迹监督，并与强化学习联合优化。基于论文摘要，该方法先将轨迹及结果总结为可复用的后见技能，再依据教师对各动作 token 的概率变化生成信用，重加权蒸馏损失；作者报告其在多个长程工具交互基准上显著优于现有强化学习与自蒸馏基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org