提出Privileged Information Self-Play(π-Play)多智能体自演进框架,利用自博弈中自然产生的问题构建路径(QCP)作为特权信息,通过师生模型间的自蒸馏实现密集反馈监督,无需外部数据或人工标注,在提升搜索智能体性能的同时将进化效率提高2–3倍。
机构:中科院
来源:arXiv 2604.14054 | AI4Papers 论文推荐平台