TinyAstral提出两阶段自进化harness蒸馏方法

Kehong Gong等作者提交预印本论文，提出TinyAstral两阶段方法：第一阶段冻结开放权重教师模型，用递归自我改进让前沿LLM智能体读取教师轨迹并提出harness修改，每次修改须通过配对统计检验才被接受；第二阶段冻结最终harness，采集带推理与失败恢复的教师轨迹，蒸馏出在同一harness中替代教师的小型学生模型。 作者称，在RoboTwin上，harness演化把教师成功率从33.4%提升到63.6%，最终4B学生模型达到62.8%；四个harness版本上蒸馏出的4B学生均接近对应教师，且后续版本的学生更强。作者还称，在相同episode上，最终4B学生优于开放4B智能体、开放27B的harness-RSI模型SenseNova-RoboRSI，以及自家教师模型置于三家竞品harness中的表现；在实测部署episode上，其加速器用时约为教师模型的五分之一。上述结果来自预印本，未经同行评议与独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。