TurnOPD：面向长程智能体训练的高效策略蒸馏

Tencent-Hunyuan · hf · 2026-07-08

腾讯混元提出TurnOPD，针对长程智能体训练中的全周期展开效率低下和token分布浅层集中问题，引入回合级预算策略进行高效on-policy蒸馏。