提出SMRC-SD缓解多轮Agent自蒸馏状态错配

Junzhuo Liu、Weiwei Li、Jun Ling和Peng Wang在arXiv论文（arXiv:2608.05219v2）中提出SMRC-SD，用学生已到达状态决定参考何时及如何指导学生：仅当学生状态与参考兼容时才蒸馏，并加入到达状态摘要和兼容续写，以减少多轮Agent训练中的状态—参考错配。推理时策略不需要参考或状态匹配。 论文称在ALFWorld（具身交互）、WebShop（网页导航）和FTRL（工具使用）三类任务、三种模型规模上，效果优于无条件的全路径自蒸馏。代码已在GitHub公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。