跳到正文
arXiv · ML· Tingcheng Bian, Kangye Gong, Jinchang Luo, MingQuan Cheng, Feiran Liu, Ni Li, Xiaoling Xia, Haiwei Wang, Hui Li·· 10 天前AI 评分31

Agentic-OPD:通过在线策略蒸馏恢复遗忘的智能体能力

Agentic-OPD: Recovering Forgotten Agent Capabilities via On-Policy Distillation for Agentic Tasks

AI 导读

Agentic-OPD利用强化学习训练中的检查点池作为教师,通过在线策略蒸馏恢复LLM智能体遗忘的能力。 该方法在5个智能体任务领域和24个基准测试中,相比初始化检查点最高提升7.4分,4B学生模型在深度搜索任务上超越GPT-5.6和DeepSeek-V4.1。

来源:arXiv · ML · arxiv.org