arXiv cs.LG· Junze Zhu, Weihao Chen, Zhiyang Zhou, Zhen Wu, Xinyu Dai·· 7 小时前AI 评分27
Harness Policy Distillation：让 Agent 策略对齐运行时语义
Harness Policy Distillation: Aligning Agent Policies with Runtime Semantics
AI 导读
研究提出 Harness Policy Distillation（HPD），将产品运行时 harness 的控制语义作为显式训练目标，通过回放参考轨迹恢复控制文档，联合监督模型策略。
来源：arXiv cs.LG · arxiv.org