arXiv 人工智能· Hangxi Guo, Fengyuan Liu, Yue Wang, Yuhua Qi, Haoyi Xiong, Fei Sun, Mengnan Du·· 6 小时前AI 评分33
环境反馈建模至关重要：重新审视智能体事后自蒸馏中的反馈处理
Environmental Feedback Modeling Matters: Rethinking Feedback Treatment in Agentic Hindsight Self-Distillation
AI 导读
研究人员提出智能体自蒸馏框架 SELF，通过联合优化环境反馈建模与事后自蒸馏，解决交互环境中缺乏奖励信号时的语言智能体训练难题。基于 Qwen3-8B 的测试显示，SELF 在 $\tau$-bench 成功率上比 SDPO 和 GRPO 分别提高 6.4 和 4.1 个百分点，在 AppWorld 任务目标完成度上分别高出 10.71 和 3.57 个百分点。
来源：arXiv 人工智能 · arxiv.org