arXiv · Computation and Language· Junnan Liu, Linhao Luo, Zhijun Chen, Qianren Mao, Thuy-Trang Vu, Gholamreza Haffari·· 3 小时前AI 评分30
STI-OPD：面向智能体在线策略蒸馏的随机教师干预框架
Stochastic Teacher Intervention for Agentic On-Policy Distillation
AI 导读
研究者提出 STI-OPD，一种面向多轮智能体在线策略蒸馏（OPD）的随机教师干预框架，用教师-学生策略差异引导替换学生动作，以获取更可靠的 token 级监督。
来源：arXiv · Computation and Language · arxiv.org