SCAD：长时程智能体的结构化信用分配与蒸馏

研究者提出 SCAD 方法，用于长时程智能体训练：将交互组织为规划与有界子任务执行，在局部上下文中蒸馏执行过程，并通过跨 rollout 子任务前缀树细化规划信用。规划获得完整终端信用，执行获得正向终端信用与教师指导。 据该论文，SCAD 针对稀疏终端奖励难以区分中间贡献、在线策略蒸馏随学生生成历史增长而丢失教师指导的问题。在所有评测基准上，其宏平均准确率较最强训练基线在文本任务上提升 4.48 个百分点，多模态任务上提升 4.19 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。