SCOPE：关键步自蒸馏的Agent强化学习框架
热点事件持续更新
SCOPE：关键步自蒸馏的Agent强化学习框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
论文作者提出SCOPE（选择性关键步骤在策略自蒸馏）框架，让长程LLM智能体的策略分析自身轨迹、生成步骤级事后技能，并仅对选定的错误步骤进行蒸馏，辅以有界符号师生系数和基于相对成功的成对长度奖励。 在Qwen2.5-3B上的验证显示，SCOPE在ALFWorld上达到97.7%成功率、WebShop上达到85.2%，分别比SEED高出5.9和6.3个百分点。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
SCOPE：面向智能体强化学习的选择性关键步骤在策略自蒸馏框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AISCOPE：面向智能体强化学习的选择性关键步骤在策略自蒸馏框架
SCOPE（Selective Critical-Step On-Policy Self-Distillation）是一个针对长程 LLM 智能体的强化学习框架，让策略分析自身轨迹、生成步骤级事后技能，并仅在选定的错误步骤进行蒸馏，辅以有界符号师生系数和相对成功的成对长度奖励。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。