Agentic-OPD：通过代理任务的策略蒸馏来恢复被遗忘的代理功能

原文：Agentic-OPD: Recovering Forgotten Agent Capabilities via On-Policy Distillation for Agentic Tasks

强化学习现在是在代理任务上培训法学硕士的主流范例，但标准实践只保留最佳验证检查点并丢弃其余的。我们证明这是有损的：在 LLM 代理的 GRPO 训练中，最佳验证检查点在同一运行中的早期检查点已经解决的问题上失败，并且跨检查点解决的问题并集失败

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。