arXiv cs.AI· Hangxi Guo, Fengyuan Liu, Yue Wang, Yuhua Qi, Haoyi Xiong, Fei Sun, Mengnan Du·· 3 小时前AI 评分24
SELF：让环境反馈建模参与智能体事后自蒸馏
Environmental Feedback Modeling Matters: Rethinking Feedback Treatment in Agentic Hindsight Self-Distillation
AI 导读
针对环境反馈仅作为教师模型上下文不足以支撑智能体自蒸馏的问题，研究者提出 SELF 框架，将环境反馈建模与事后自蒸馏联合优化，让模型在预测环境响应的同时从反馈条件下的自教师中蒸馏指导。基于 Qwen3-8B，SELF 在 τ-bench 成功率上分别超过 SDPO 和 GRPO 6.4 与 4.1 个百分点，在 AppWorld 任务目标完成率上分别高出 10.71 与 3.57 个百分点。
来源：arXiv cs.AI · arxiv.org