★ 2
SELF：智能体后见自蒸馏的环境反馈建模
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…
arXiv cs.AI24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…