**MultiAgent-OPD：基于同策略蒸馏的层级多智能体系统端到端训练**

_MultiAgent-OPD: End-to-End Training of Hierarchical Multi-Agent Systems with On-Policy Distillation_

> 针对层级多智能体系统中联合训练困难及反馈间接的问题，该研究提出了 MultiAgent-OPD 框架。该方法结合同策略蒸馏与强化学习，通过冻结的 Teacher 模型提供本地过程监督，实现 Leader、Searcher 和 Answerer 团队的端到端联合训练。实验表明，该模型在七个数据集上表现优于 Prompted Critic 和 C-MAS + RL，显著提升了宏观平均准确率并减少了尝试次数。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.23234)