REGEN：利用离线强化学习进行经验回放再利用的专家到通才蒸馏

英文标题：REGEN: Replay-recycling for Expert-to-Generalist distillation with Offline Reinforcement Learning

论文提出 REGEN，探索通过离线强化学习（Offline Reinforcement Learning）回收并再利用经验回放数据，实现从专家模型到通才模型的蒸馏。原文摘要指出，大规模在线强化学习是激发大语言模型长期推理与 Agent 工具使用等高级能力的主要手段。该研究关注如何在广泛任务领域中降低持续扩展在线 RL 的成本与数据需求。所提供原文未包含实验结果、具体数据或完整方法细节。

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