HuggingFace Daily Papers（社区热门论文）·2026-09-27 08:00· 2 天前AI 评分36

AlignOPSD：面向长程智能体的决策对齐在线策略蒸馏

Beyond Timestamps: Decision-Aligned On-Policy Distillation for Long-Horizon Agents

AI 导读

针对长程智能体在线策略自蒸馏中的"决策—时间戳错配"问题，研究者提出 AlignOPSD，通过决策对齐监督校正与半马尔可夫分层信用分配，将监督对齐后再分配信用。