Agentic-OPD:用强化学习废弃检查点做在线蒸馏恢复智能体能力
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
最新进展11月16日 13:00
Agentic-OPD:通过 On-Policy Distillation 恢复被遗忘的智能体能力报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AIAgentic-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。