**PBSD：面向长周期信用分配的特权贝叶斯自蒸馏方法**

_PBSD: Privileged Bayesian Self-Distillation for Long-Horizon Credit Assignment_

> 长周期智能体任务面临结果奖励无法细粒度指导中间步骤的信用分配难题。PBSD通过贝叶斯校准的自蒸馏，将轨迹质量量化为答案验证的后验-先验比，并转化为学生模型与特权教师模型的似然比，从而为每一步生成校准信用信号，实现细粒度信用分配且兼容标准策略优化。实验表明该方法在域内外均提升性能，并能有效将短上下文训练知识迁移至长上下文推理。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09348)