arXiv 人工智能· Qirui Liu, Wei Cao, Yu Mi, Yichen Sun, Xuekun Zhang, Lei Liu, Yue Shen, Zhixuan Chu·· 8 小时前AI 评分33
SCOPE：面向智能体强化学习的选择性关键步骤同策略自蒸馏
SCOPE: Selective Critical-Step On-Policy Self-Distillation for Agentic Reinforcement Learning
AI 导读
研究人员提出面向智能体强化学习的自蒸馏框架 SCOPE，通过分析自身轨迹并在选定错误步骤进行关键步骤同策略自蒸馏。基于 Qwen2.5-3B，SCOPE 在 ALFWorld 与 WebShop 成功率分别达 97.7% 和 85.2%，在未见任务上比 GRPO 提升 23.2 个百分点且交互减少 46.7%。
来源：arXiv 人工智能 · arxiv.org