TIDE: Teacher-Student Transition via Informative Distillation and Exploration for Agentic RL

arxiv · arXiv · 2026-09-28 20:51 · 评分 86

提出TIDE方法，用于智能体强化学习训练，通过教师模型的信息蒸馏与探索实现师生过渡，改进GRPO在长时序多轮交互中因稀疏轨迹奖励导致的早期探索不足问题，提升小模型训练效果。