arXiv · cs.AI· Yibin Huang·· 11 天前AI 评分36
错误截断事后蒸馏：面向智能体 RL 的事后蒸馏新方法
Distill Until Divergence: Error-Truncated Hindsight Distillation for Agentic RL
来源与原文
arXiv · cs.AI
作者：Yibin Huang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23048v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出错误截断事后蒸馏方法，解决轨迹级技能蒸馏与 GRPO 结合时错误动作后监督与当前状态失配的问题。该方法按轨迹结果与错误边界路由两类事后技能：Positive skills 强化成功轨迹及错误前决策，Negative skills 针对关键错误进行修正，错误后缀则仅由 GRPO 优化。实验显示其在任务表现与细粒度 credit 分配上有竞争力。
来源：arXiv · cs.AI · arxiv.org