**自我蒸馏在智能体强化学习中的真实表现评估**

_More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning_

> 研究对智能体强化学习中的自我蒸馏方法进行了全面评估，通过在多个任务和模型规模上的大规模实验发现，目前尚无方法能全面超越 GRPO 算法。研究指出，高最终性能可能掩盖训练不稳定性，且更高的计算成本并不总是带来更好的性能，为评估智能体训练提供了更公平的基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19789)