标签
ReSAIL 提出一种即插即用的增强方法，通过轨迹平衡选择性蒸馏与特权信息保留，缓解智能体迭代自蒸馏中的性能坍缩问题；在 ALFWorld 和 TextCraft 上使用 Qwen3-4B/8B 模型，三个部署周期后平均成功率比 SDPO/OEL 基线提升 22.5 个百分点。