标签：Agent

最近 24-48 小时 AI/LLM/Agent/代码智能相关最新论文与热点进展筛选。

最近 24-48 小时 AI/LLM/Agent/代码智能相关最新论文与热点进展筛选。

On-Policy Distillation 将蒸馏从静态教师数据推进到学生自身行为分布上的密集监督，成为连接 SFT、RLHF、模型合版与 personal agent 自我进化的一条关键技术路线。