HF Daily Papers·· 2 天前精选AI 评分42
更多方法就等于更好的智能体吗？论文对智能体强化学习中十种自蒸馏方法做系统性比较
More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning
AI 导读
该论文在 ALFWorld、ScienceWorld、Search-QA、WebShop 四个环境和三种模型规模下，把十种自蒸馏方法与 GRPO 进行了对照实验，共完成 132 次训练，累计 12,124.4 H800 GPU 小时。
推荐理由
论文用 132 次训练统一对比了十种自蒸馏方法与 GRPO，能让读者看清哪些增益来自方法本身而非实验条件差异。
来源：HF Daily Papers · huggingface.co