**TurnOPD:通过回合感知蒸馏优化长程智能体训练**

_TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training_

> 针对现有策略蒸馏在长程任务中资源浪费和深层决策训练不足的问题,TurnOPD提出了一种回合级预算控制策略。该方法通过自适应 rollout 深度和渐进式损失加权,显著提升了训练效率与准确率。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-07-08 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.05804)