从自蒸馏到自我练习：面向多轮 Agent 的特权信息

英文标题：From Self-Distillation to Self-Practice: Privileged Information for Multi-Turn Agents

论文提出从“自蒸馏”迈向“自我练习”的思路，聚焦多轮 LLM Agent 的后训练方法。文中指出，在策略自蒸馏（OPSD）中，可利用由特权信息（PI）条件化得到的、更强的同一模型教师视角，对 Agent 进行 token 级监督。该方法反映出特权信息可用于提升多轮 Agent 的训练信号质量，对开发者设计 Agent 后训练与自我改进流程具有参考意义。所提供原文摘要在句中截断，未包含实验数据、具体方法细节或完整结论。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB