State-OPD：多轮Agent在线策略蒸馏新框架

研究者 Zhentao Zhang 等提出 State-OPD（State-Grounded On-Policy Distillation），一种面向多轮智能体的在线策略蒸馏框架。其做法是把教师监督锚定在交互状态上，在高响应熵状态重新分配采样预算，生成多条完整的推理-动作响应，同时保留全历史学生生成。 该框架目前仅为论文中提出的方法，报道未给出实验验证结果或与其他方法的对比结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。