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。
Agentic reinforcement learning (RL) and multi-teacher on-policy distillation (MOPD) offer complementary routes to post-training. For visual agents, however, tool use presents two related challenges. Models may overlook useful tool-returned observations, while poorly grounded actions can limit the evidence available for
阅读原文 · Haozhi Yuan, Handong Li, Yifan Zhang, Qianshan Wei
向阳乔木 · opencode-go/deepseek-v4.1-flash
视觉智能体用工具时有个很实际的毛病：工具调了，返回的截图或视频帧也拿到了，模型却常常视而不见，还是按自己原来的猜测往下答。这篇 Reframe 就盯着这个缝隙做文章。 它把对齐的对象从输出分布挪到了 观测状态 上。这个提法值得注意，因为多教师蒸馏通常只管学生说什么像不像老师，不太管学生在推理过程中到底看到了什么。 论文来自 arXiv，也可以直接看 PDF，...