**PCSD：持久一致性自蒸馏提升智能体强化学习**

_PCSD: Persistent Consistency for Self-Distillation in Agentic Reinforcement Learning_

> 针对大语言模型智能体强化学习中稀疏奖励问题，研究者提出持久一致性自蒸馏（PCSD）方法。该方法通过局部持久性信号推导token级蒸馏权重，结合自适应窗口与指数衰减聚合捕捉持续的教师支持，并采用趋势感知调制衰减局部下降的支持。PCSD与GRPO联合优化，在ALFWorld上超越GRPO 15.6和13.3分，取得最佳结果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.01837)