English(EN) Why Does Feedback-Augmented Self-Distillation Fail to Improve Retrieval-Interleaved Search Agents?

新研究发现AI代理自蒸馏中的解码崩溃现象

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-21 04:00

研究人员在检索交错搜索代理的反馈增强自蒸馏中发现了一种失败模式，称为解码崩溃。当模型生成看似多样但与输入无关的推理和搜索输出时，就会发生这种情况，导致蒸馏信号无效。这种不稳定性源于不一致的监督信号，可以分解为模型和提示的不一致。为了解决这个问题，引入了指数移动平均（EMA）教师来稳定自教师并提高性能，尽管在其预热阶段会出现初步的回归。 AI

影响识别出AI代理自蒸馏中的一种关键失败模式，可能影响未来代理训练的效率和可靠性。

排序理由这是一篇研究论文，详细介绍了特定AI训练技术的一种新颖的失败模式和提出的解决方案。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了特定AI训练技术的一种新颖的失败模式和提出的解决方案。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 64 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Fan Yang, Rui Meng, Yuxin Wen · 2026-07-21 04:00

为什么反馈增强的自蒸馏未能改进检索交织搜索代理？

arXiv:2607.17558v1 Announce Type: new Abstract: On-policy self-distillation (OPSD) offers a promising approach for training large language models without relying on a separate teacher model. However, its effectiveness on complex agentic tasks remains largely unexplored. In this w…

本文如何被排名

报道来源 [1]

为什么反馈增强的自蒸馏未能改进检索交织搜索代理？

相关实体

相关话题