跳到正文
arXiv · AI· Qirui Liu, Wei Cao, Yu Mi, Yichen Sun, Xuekun Zhang, Lei Liu, Yue Shen, Zhixuan Chu·· 21 天前AI 评分25

SCOPE:面向智能体强化学习的选择性关键步骤在线自蒸馏框架

SCOPE: Selective Critical-Step On-Policy Self-Distillation for Agentic Reinforcement Learning

AI 导读

SCOPE框架通过选择性关键步骤在线自蒸馏,在ALFWorld上以Qwen2.5-3B取得97.7%成功率。 该框架使用有界符号教师-学生系数稳定辅助更新,并在Qwen3-32B上将ALFWorld已知任务成功率提升至99.2%。 SCOPE在未见过的ALFWorld任务中达到89.6%成功率,相比GRPO提升23.2个百分点。

来源:arXiv · AI · arxiv.org