HF Daily Papers·· 4 天前精选AI 评分46
Self-Retrospection Distillation：把事后轨迹经验蒸馏成事前预判
Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight
AI 导读
该论文提出 Self-Retrospection Distillation（SRD），把已完成轨迹中的事后经验蒸馏为同一策略在交互前的预判，弥补 RLVR 在 rollout 奖励一致时信号消失的缺陷。
推荐理由
该方法在 rollout 组奖励一致、RLVR 失去信号的场景下仍能从轨迹中提取学习信号，为奖励稀疏的长程智能体训练提供可迁移思路。
来源：HF Daily Papers · huggingface.co