浙大研究：决策差的模型当「老师」反而能教出更强的 Agent 策略
ZhejiangUniversity · hf · 2026-11-13
浙江大学与百度团队研究长程 Agent 中的决策模型角色，比较同一模型作为执行者（Actor）、评判者（Judge）、教师（Teacher）三种用法：
- 决策模型可以选动作、评判已执行的动作、或为 RL 策略打分。作者问：一个执行很差的决策模型，能否仍然教得好？
- 作为 Actor 时，所有模型都会在子目标处过早收敛；作为 Judge 看整条轨迹时，同一模型能正确归因各步骤贡献——问「这个动作有没有帮助」而非「任务会不会成功」，即可区分有效与无效动作。
- 作为 Teacher：通过评判完整动作轨迹来指导强化学习策略，在 ALFWorld 与 WebShop 上提升成功率，表明弱执行模型也能有效充当 RL 教师。
「编程与Agent」频道最新
- 浙大×百度 Agent-R²:4B 小模型靠真实源数据合成超越更大开源基线 — ZhejiangUniversity · 2026-11-13
- Claude Fable 5.2 实测:RLI 得分 41.3%，多人文档/看板齐上线 — rubenhassid · 2026-11-13
- 开源工具 Dukoi:两分钟把旧安卓手机变成免费部署服务器 — Scobleizer · 2026-11-13
- OpenAI DevDay 智能体演讲视频上线:Jonathan Abrams 与 kagigz 主讲 — craigsdennis · 2026-11-13
- 微软 .NET 团队开源 16 个编码 Agent 技能插件，实测省 41% token — victor_explore · 2026-11-13
- 首个律所赞助的开源法律 AI MikeGC 发布，Intake 功能对标 Harvey — Scobleizer · 2026-11-13