用于智能体在线蒸馏的随机教师干预

英文标题：Stochastic Teacher Intervention for Agentic On-Policy Distillation

这篇论文提出“用于智能体在线蒸馏的随机教师干预”方法，面向 Agent 场景中的 on-policy distillation（OPD）。原摘要指出，OPD 可在学生模型自行生成的轨迹上提供密集的 token 级监督，从而将更强教师模型的能力高效迁移给学生模型。该方法已在数学推理等复杂任务上显示出潜力。对于开发者而言，这项研究关注如何提升语言模型智能体在训练与推理轨迹中的能力转移效率。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB