“OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation” 论文笔记

什么定义了一个自进化 Agent?直觉答案是
Memory——保留过去轨迹、检索历史教训、复用积累技能,似乎就构成了 Agent 随时间变强的物质基础。这种直觉让记忆成了现代 Agentic 基座模型和 Agent 系统里不可或缺的组件,尤其在交互环境里:失败暴露隐藏约束、成功 rollout 暴露可复用策略、奖励把行为锚定在环境反馈上

赞(0)
未经允许不得转载:小狮博客 » “OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation” 论文笔记
分享到: 更多 (0)

联系我们