arXiv cs.AI· Qirui Liu, Wei Cao, Yu Mi, Yichen Sun, Xuekun Zhang, Lei Liu, Yue Shen, Zhixuan Chu·· 3 天前AI 评分34
SCOPE：面向智能体强化学习的选择性关键步骤同策略自蒸馏
SCOPE: Selective Critical-Step On-Policy Self-Distillation for Agentic Reinforcement Learning
AI 导读
研究人员提出智能体强化学习框架 SCOPE，通过分析自身轨迹生成后验技能，并仅在选定错误步骤进行关键步骤同策略自蒸馏。在 Qwen2.5-3B 下，SCOPE 在 ALFWorld 和 WebShop 成功率达 97.7% 与 85.2%，未见任务比 GRPO 提高 23.2 个百分点且减少 46.7% 交互；扩展至 Qwen3-32B 时未见任务成功率达 94.0%。
来源：arXiv cs.AI · arxiv.org