研究者提出RSD框架训练自进化智能体

Yuhang Zhou等作者提出回顾性自蒸馏（RSD）多轮框架，让同一模型同时充当学生与教师，把回顾分布蒸馏回策略，用于训练自进化智能体。 据作者描述，该框架利用跨任务先例、回合级反思与未来后见之明重评自身动作，无需真实答案或验证器奖励即可产生密集监督信号。报道未给出实验效果数据。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。