SCOPED：技能解耦的在线策略专家蒸馏

论文作者提出并发布 SCOPED（技能解耦在线策略专家蒸馏）方法：先训练能力专属专家，再通过奖励引导反思提取显式技能，最后在同策略蒸馏中让学生模型在不接触显式技能的情况下内化过程性知识，以减少跨能力干扰。作者称该方法在八个多模态基准上持续优于骨干模型与混合能力强化学习。代码与数据已在 GitHub 开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。