站内快照 · 国内可打开。外网原文可能无法访问。

• 论文公开站arXiv2026年9月29日 6:16

  UOPD：多轮智能体同策略蒸馏中的不确定性感知干预

  UOPD: Uncertainty-Aware Intervention for On-Policy Distillation of Multi-Turn Agents

  同策略蒸馏（OPD）利用教师的密集监督在学生自身轨迹上训练。在多轮环境中，关键决策步骤的错误可能使后续轨迹走向糟糕结果。我们利用教师对学生动作的低置信度进行干预。

  原文链接