北大等研究:Agentic On-Policy 蒸馏会隐性重塑 LLM 的 ReAct 模式并致负迁移

Deyang Kong · hf · 2026-11-18

北大、中科大、清华、浙大合作研究考察 on-policy distillation(OPD)对 LLM Agent 跨域 ReAct 交互模式的隐性影响,覆盖数学、ALFWorld、τ²-bench 三个域的推理、动作与观测获取:

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →