AutoDAgger在線蒸餾教師操作軌跡

2026年10月31日的 DEV Community 報道介紹 AutoDAgger，並將其描述為按策略蒸餾、只需少量額外數據的方法。AutoDAgger 在線恢復教師模型的操作軌跡，讓學生策略在執行過程中吸收教師的糾正行為；報道稱，這樣無需耗費人力監督，也省去獨立收集數據的階段。其數據收集速度比 HG-DAgger 快逾 2 倍。報道列出學生策略使用 30 個回合後分數由 27.8 升至 63.9，以及使用 90 個回合後達 77.8 的結果。

AI 根據報道生成 · 2 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。