跳到正文
热点事件持续更新

Agentic-OPD:用强化学习废弃检查点做在线蒸馏恢复智能体能力

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

一项研究提出 Agentic-OPD 方法:把 GRPO 强化学习过程中通常被丢弃的检查点收集为冻结教师池,再用 On-Policy Distillation 从这些教师恢复大模型智能体在训练中遗忘的解题能力。该方法于 2026 年 11 月以论文形式在 arXiv 发布。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    Agentic-OPD:通过 On-Policy Distillation 恢复被遗忘的智能体能力

    研究提出 Agentic-OPD,把 GRPO 强化学习中通常被丢弃的检查点作为冻结教师池,用 On-Policy Distillation 恢复 LLM 智能体在训练中遗忘的解题能力。

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。