阿里淘宝团队发布 MultiAgent-OPD：策略内蒸馏端到端训练多智能体
TaoLiveAIGC · hf · 2026-10-26
阿里巴巴集团（淘宝 TaoLive-AIGC 团队）联合浙江大学发布论文 MultiAgent-OPD，提出分层多智能体系统的端到端训练方法。
- 难点：分层多智能体系统中 LEADER 分配任务、子智能体执行，但最终答案只能给子智能体间接反馈；用 LLM 裁判打分又依赖裁判自身评估，信号不可靠。
- 方法：通过策略内蒸馏（on-policy distillation）+ 强化学习联合训练整个智能体团队，用一个冻结的教师模型提供局部过程监督，让子智能体获得更直接的训练信号。
- 在多个数据集上提升了端到端性能。论文于 2026 年 10 月 20 日发布于 arXiv。
「编程与Agent」频道最新
- 开源天空相机让 Claude Code 自主值守：一夜抓 17 颗流星并自动筛完 — Terrible_Award_2124 · 2026-10-26
- 用 AI 写 6000 个黑盒测试复刻 OpenSearch：Rust 版已过 64.5% 测试 — Strong-Mousse-1020 · 2026-10-26
- 全本地开源模型做出 10 分钟动画剧集，单集仅需约 4 GPU 小时 — Zangetsu__0 · 2026-10-26
- 即便开启 Daybreak，模型请求漏洞分析仍被网络安全风控拦截 — jd_pressman · 2026-10-26
- Bambi 线性建模库悄然支持非线性模型,作者发文详解用法 — twiecki · 2026-10-26
- 开发者用 Claude 编排 Agent 五天，作曲并渲染 3D 钢琴家日落湖畔演奏 — 141_1337 · 2026-10-26