Frontier-OPD：按学习前沿做在线蒸馏

Zheng Jiang 等作者提出在线蒸馏方法 Frontier-OPD，用于多轮智能体训练。该方法以学生的“学习前沿”为切入点，即那些仍然有难度、但在教师短暂指导后学生能自行继续推进的决策情境：它把 on-policy 经验组织成共享状态轨迹图，用轨迹平衡聚合师生分歧来筛选需要干预的候选情境，再通过对比“短教师桥接”与“后续学生延续段”过滤出有效指导。 据作者介绍，该方法的目标是发现智能体能力边界并教其超越边界；上述效果来自论文自述，尚未见独立验证。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。