**OPD-Evolver：通过策略内蒸馏培养全能型智能体进化者**

_OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation_

> OPD-Evolver 提出快-慢协同进化框架，利用四级记忆体系与结果校准的记忆归因实现策略内自蒸馏，使智能体不仅存储经验，更能主动选择、应用并管理知识。实验表明，其性能超出 ReasoningBank 达 11.5%，超越 Skill0 约 5.8%，9B 模型甚至能媲美千亿级对手，标志着从记忆增强走向真正合格的智能体进化。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-17 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.17628)