arXiv Artificial Intelligence· Qirui Liu, Wei Cao, Yu Mi, Yichen Sun, Xuekun Zhang, Lei Liu, Yue Shen, Zhixuan Chu·2026-10-30 12:00· 17 小时前AI 评分38

SCOPE：面向智能体强化学习的选择性关键步骤同策略自蒸馏框架

SCOPE: Selective Critical-Step On-Policy Self-Distillation for Agentic Reinforcement Learning

AI 导读

SCOPE 通过让策略分析自身轨迹、生成步骤级事后技能，并仅在选定的错误步骤上蒸馏指导，解决长程 LLM 智能体结果监督过粗的问题。