TurnOPD：使在线策略蒸馏具备回合感知能力，实现高效的长时域智能体训练

英文标题：TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training

论文提出 TurnOPD，一种通过在学生自身轨迹上匹配更强教师策略的在线策略蒸馏（OPD）方法，并将其扩展为“回合感知”，以应对长时域智能体任务。摘要指出，现有 OPD 在长序列任务中表现不足，TurnOPD 旨在弥补这一缺陷，可能显著提升语言智能体在复杂多步任务中的训练效率与表现，对构建更可靠的自主智能体系统具有重要意义。

2.6 KB 2.1 KB 640 B 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB