跳到正文
arXiv · AI· Wenxuan Wang, Zekai Liu, Weinan Zhang, Yu Cheng, Yang Yang·· 2026-10-07AI 评分41

D-OPCD 通过在线策略上下文蒸馏将 Agent 经验内化至扩散模型权重

Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation

AI 导读

D-OPCD 方法将 Agent 生成的特权提示词知识蒸馏进扩散模型权重,使模型仅依赖原始查询即可保留部分 Agent 增益。 该方法结合 Auto Skill Evolver 框架,在四个基准测试中将平均直接生成得分从 60.52 提升至 65.09。 内化后的模型支持第二轮技能进化,在无技能 Agent 基础上额外提升 1.83 分,指向系统与模型的持续共同演化。

来源:arXiv · AI · arxiv.org