SDPG算法开源：让Agent自己教自己，多步规划训练不再依赖大教师模型

时间：2026-06-04 20:10:10

　　消息，SDPG算法由加州大学洛杉矶分校顾全全团队的刘益枫、张诗源与普林斯顿大学的张伊凡开源，旨在解决智能体在缺乏外部教师模型指导时的自我进化瓶颈。该算法通过内部教师引导机制，利用特权信息生成高质量推理路径，提升多步决策的训练效率与成功率。评测数据显示，SDPG在数学推理与多步规划任务中表现优于GRPO及多种自蒸馏基线算法。

上一篇：第聂伯罗彼得罗夫斯克地区泽连多尔斯克以北发现无人机返回首页

下一篇：摩根士丹利增持220.721枚比特币，总持仓达3779枚

热点推荐

1 XBIT DEX：Eugen Tomac担任罗马尼亚下任总理概

消息，预测市场显示，Eugen Tomac被预测为罗马尼亚下任总理，当前概率为69%。...

2 Abra CEO Bill Barhydt：代币化将超越比特币价

消息，Abra首席执行官Bill Barhydt表示，代币化将超越比特币价格，成为加密行业的主要故事。...

3 特朗普：美军在中东的驻军费用很低，暂

特朗普表示，即使他认为伊朗的防御和进攻能力已经严重削弱、临时停火协议脆弱且经常遭到...

4 按照以色列总理内塔尼亚胡和国防部长卡

消息，据以色列媒体：联合声明称，按照以色列总理内塔尼亚胡和国防部长卡茨的指示，以军...

5 巴加埃：停火状态非常脆弱