浙大研究评估智能体自蒸馏方法

发生了什么

据浙江大学等机构发布的研究论文，针对智能体强化学习中自蒸馏方法的评估显示，现有方法未能持续超越GRPO基准。研究通过多次训练运行发现，强劲的最终性能可能掩盖训练过程的不稳定性，且额外的训练成本并不总是转化为性能提升。该研究旨在通过建立基准，为智能体训练提供更可靠的评估参考。