hindsight

HINT-SD 提出了一种目标性自我蒸馏框架，该框架从完整轨迹中选择与失败相关的动作，以改进长程 LLM 智能体的训练，相比密集反馈基线，性能提升高达 18.80%，训练速度提升 2.26 倍。