RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning

• 类型：arxiv
• 标识：2609.20784
• 链接：https://arxiv.org/abs/2609.20784
• 主分类：agent
• 形态：method
• 被引：4
• 被引来源：Semantic Scholar
• S2被引：4
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes RetireOPD (Self-Retiring On-Policy Distillation), which first optimizes a decoupled, skill-conditioned teacher with environment rewards and then trains a skill-free student jointly with RL and OPD.
• OpenAlex ID：W7213576900
• OpenAlex DOI：10.48550/arxiv.2609.20784
• DOI：10.48550/arxiv.2609.20784
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.20784
• OpenAlex更新：2026-09-20
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：RetireOPD：用于智能体强化学习的自退役 On-Policy 蒸馏
• TLDR中文：该工作提出 RetireOPD（Self-Retiring On-Policy Distillation），先用环境奖励优化一个解耦的、技能条件化的教师模型，再联合 RL 与 OPD 训练一个无技能依赖的学生模型。
• 来源文件：
• /inbox/tom/_candidates/2026-09-18-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]