SELF：智能体后见自蒸馏的环境反馈建模
原文标题：Environmental Feedback Modeling Matters: Rethinking Feedback Treatment in Agentic Hindsight Self-Distillation
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SELF 框架，联合优化环境反馈建模与后见自蒸馏，让智能体在预测环境响应的同时从反馈条件自教师中蒸馏策略。分析显示二者相互增强。基于 Qwen3-8B，SELF 在 τ-bench 成功率上较 SDPO 与 GRPO 分别提升 6.4 与 4.1 个百分点，在 AppWorld 任务目标完成率上提升 10.71 与 3.57 个百分点。
- 问题
- 无奖励环境下语言智能体训练困难，仅将环境反馈作为教师条件不足以支撑自蒸馏。
- 方法
- 提出SELF，联合优化环境反馈建模与后见自蒸馏，让策略预测环境响应并从反馈条件自教师中蒸馏。
- 结果
- 基于Qwen3-8B，τ-bench成功率较SDPO、GRPO分别提升6.4与4.1个百分点；AppWorld目标完成率提升10.71与3.57个百分点。
- 影响
- 在无奖励交互场景下更有效利用环境反馈，提升智能体任务完成能力。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。