arXiv · AI· Ya Gao, Zhengtao Zou, Pekka Marttinen·· 2 小时前AI 评分21
层次化 LLM 智能体蒸馏框架：超越 On-Policy 与 Off-Policy 的二元对立
Beyond On-Policy vs. Off-Policy: At What Level Should LLM Agent Distillation Follow the Student?
AI 导读
研究指出 LLM 智能体蒸馏中 On-Policy 与 Off-Policy 的区分本质是层次性的，需独立控制诱导交互历史的策略与生成动作前缀的策略。
来源：arXiv · AI · arxiv.org