STI-OPD：多轮智能体在线蒸馏的随机教师干预框架

研究者 Junnan Liu 等发布论文，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。其思路是用 KL 散度估计师生策略差异并映射为干预概率，自适应决定是否用教师动作替换学生动作，以缓解早期错误在多轮交互中累积、导致轨迹偏离教师分布的问题。 作者称，在工具集成推理和长程交互任务上，STI-OPD 在所有评估基准和学生规模上均优于最强的既有 OPD 基线。论文标注为“Work in progress”。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。