prefix-replay

标签

#prefix-replay

基于前缀重放的多轮在线策略蒸馏

Hugging Face Daily Papers ↗ · 2026-07-16 缓存

本文提出 ReOPD，一种用于 LLM 智能体的在线策略蒸馏方法，该方法重用预先收集的教师轨迹作为重放前缀，无需新的环境交互即可提高效率和准确性。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈