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 标准Chartered银行：比特币回调至6.2万美元

消息，标准Chartered银行表示，比特币回调至6.2万美元是大家期待的买入区间，并认为低点几乎...

2 Helion完成4.65亿美元融资，估值达155亿美元

消息，核聚变能源初创公司Helion宣布完成4.65亿美元融资，估值达到155亿美元，几乎是此前5.4...

3 摩根士丹利增持220.721枚比特币，总持仓达

消息，据Arkham监测数据显示，摩根士丹利通过旗下现货比特币交易所交易基金MSBT今日增持220...

4 SDPG算法开源：让Agent自己教自己，多步规

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...

5 第聂伯罗彼得罗夫斯克地区泽连多尔斯克