SPLICE：通过一致性正则化实现智能体知识-模型协同进化

SPLICE 框架通过扰动同一经验的分析方式构建进化视图，以跨视图的共同增益引导知识更新，并用自蒸馏结合强化学习将知识内化到模型中。实验显示其平均准确率分别比知识进化与模型训练基线高出最多 7.1 和 4.6 个百分点，进化后的知识使每个正确解答的输出 token 减少最多 44%，并可跨模型规模和模型族迁移。