以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
On-policy distillation (OPD) transfers specialized capabilities to language-model agents, but its cross-domain effects on interaction remain unclear. We investigate how OPD reshapes ReAct interaction patterns across mathematics, ALFWorld, and τ^2-bench, focusing on reasoning, actions, and observation acquisition. Gener
阅读原文 · Deyang Kong, Zhaoyi Li, Sijian Ren, Yuan Wei, Ying Wei, Defu Lian, Shikun Zhang, Wei Ye
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文的观察点很特别:它关注的不是蒸馏后模型在目标域能涨多少分,而是 蒸馏会把模型与工具、环境交互的“习惯”一起搬过去 。数学、ALFWorld、τ²-bench 三个域放在一起看,就能看出迁移是双向的,有正有负。 对做 Agent 产品的人来说,这比单纯的分数更有用。你微调一个模型去写代码,它在客服场景里可能变得爱调工具、爱自己猜参数。这类副作用平时很难...