SEED：面向智能体强化学习的自演进同策略蒸馏框架

SEED框架将已完成同策略轨迹转化为事后技能，并蒸馏回策略模型，在token级别提供密集监督信号，弥补了结果驱动强化学习在中间决策上的监督缺失。

在文本与视觉智能体任务上，SEED持续提升性能与样本效率，并展现出对未见场景的稳健泛化能力。

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.

Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.