论文提出分层LLM智能体蒸馏框架，区分两层on-policy程度

Ya Gao、Zhengtao Zou 与 Pekka Marttinen 在 arXiv 论文（arXiv:2610.31918）中提出分层智能体蒸馏框架，主张 LLM 智能体蒸馏不应只分为 on-policy 与 off-policy，而应把 on-policy 程度拆分为交互历史和动作 token 前缀两层，并支持显式控制两层的配对、混合比例与训练进度。 该研究通过自蒸馏方式开展：冻结的教师模型可获取学生无法获得的任务指导。作者称在三阶段受控研究中覆盖三个模型和四个交互环境。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。