arXiv cs.AI· Yuhang Zhou, Yifan Wu, Bo Peng, Mingyi Wang, Jiayi Liu, Xiangjun Fan, Lizhu Zhang, Zhuokai Zhao·· 1 天前AI 评分45
RSD：基于特权回溯蒸馏的自进化智能体框架
Self-Evolving Agents through Privileged Retrospective Distillation
AI 导读
arXiv 论文提出回溯自蒸馏（RSD）框架，利用特权回溯上下文将智能体自身轨迹转化为密集监督信号，同一模型兼任学生与教师，无需真值轨迹或验证器奖励即可实现自我进化。在 ALFWorld、ScienceWorld 和 SearchQA 上，Qwen3-8B 与 Qwen3-14B 性能较基模型最高提升 59.7%；结合前沿模型引导的上下文-策略进化，较固定上下文策略再提升最高 44.7%。
来源：arXiv cs.AI · arxiv.org