arXiv · cs.AI· Xingyu Su, Abhishek Kumar, Qing Ping, Youzhi Luo, Jonathan Buck, Zach Zhang, Subramanian Chidambaram, Vinayak Arannil·· 6 小时前
PSP利用特权信息改进多轮智能体自我实践训练
From Self-Distillation to Self-Practice: Privileged Information for Multi-Turn Agents
arXiv:2609.29051v2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：Xingyu Su, Abhishek Kumar, Qing Ping, Youzhi Luo, Jonathan Buck, Zach Zhang, Subramanian Chidambaram, Vinayak Arannil
研究任务与主要进展
研究提出特权自我实践（Privileged Self-Practice，PSP），将特权信息从自我蒸馏损失移至采样器：任务多次失败时注入分析器生成的简短指令，再以未改变的GRPO目标训练学生智能体。基于论文摘要，PSP在AppWorld和SWE-bench Verified、三个学生模型的各设置中取得最高平均分，相对GRPO提升7%至58%，并持续超过GRPO；材料未提供全文细节或独立复现。
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