SCOPE：选择性关键步骤在线自蒸馏框架

2026年10月30日，arXiv Artificial Intelligence 刊出 Qirui Liu 等作者的报道，提出 SCOPE（Selective Critical-Step On-Policy Self-Distillation，选择性关键步骤同策略自蒸馏）框架，用于智能体强化学习。报道称，该框架针对长程 LLM 智能体中结果监督过于粗糙的问题：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。报道以“We introduce SCOPE, a framework for Selective Critical-Step On-Policy Self-Distillation.”说明其提出该框架。目前报道仅介绍框架思路与适用问题，未给出实验数据、对比结果或使用条件等信息，后续进展有待跟进。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。