#在线蒸馏

先找到 agent 的能力边界，再教它跨过去

一篇新论文提出先定位学生 agent 恰好够不着的决策场景，让教师在极短介入后学生能自行续跑，再把这些片段当蒸馏数据。三个 agent 环境上的结果显示自主性能更高，训练收集成本可被抵消。