自蒸馏在智能体强化学习中缺乏有效对比的基准评估

1. 04:00
   Hugging Face · 每日论文

   More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

   一项针对智能体强化学习中自蒸馏方法的评估研究发现，现有方法在不同实验条件下重复使用基准分数，缺乏直接对比和对训练稳定性与计算成本的关注。该研究在 ALFWorld、ScienceWorld、Search-QA 和 WebShop 四个基准上，对比了十种代表性方法与 GRPO 的表现，涉及三种模型规模，共记录 12,124.4 H800 GPU 小时的训练数据。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。