从专有到开源：基于多智能体协议蒸馏弥合智能体搜索的分布差距
智能体搜索仅靠结果强化学习监督信号稀疏，从专有模型蒸馏知识时，传统 logit 匹配因隐藏 logits 和 tokenizer 不匹配而不可行，自然语言轨迹模仿效果有限。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
智能体搜索仅靠结果强化学习监督信号稀疏，从专有模型蒸馏知识时，传统 logit 匹配因隐藏 logits 和 tokenizer 不匹配而不可行，自然语言轨迹模仿效果有限。
查看原文