编码代理内存训练后 II：通过策略蒸馏释放长期任务的预训练文件操作的内存潜力

原文：Coding Agent Memory Post-Training II: Unlocking the Memory Potential of Pre-trained File Operations for Long-Horizon Tasks via On-Policy Distillation

语言模型代理越来越多地处理长期任务，其交互历史超出了模型的活动上下文。因此，他们必须决定写下什么、读回什么，以及何时做。最近的工作已经开始使用策略蒸馏（OPD）来使内存控制成为策略的一部分，依赖于位于任一模型的pr之外的内存工具和压缩协议

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。