顧全全團隊這波開源挺硬核，沒有外部教師模型也能自我進化，特權信息生成推理路徑的思路值得細品

幣界網消息，SDPG算法由加州大學洛杉磯分校（UCLA）顧全全團隊的劉益枫、張詩源與普林斯頓大學的張伊凡開源，旨在解決智能體在缺乏外部教師模型指導時的自我進化瓶頸。該算法通過內部教師引導機制，利用特權信息生成高質量推理路徑，提升多步決策的訓練效率與成功率。評測數據顯示，SDPG在數學推理與多步規劃任務中表現優於GRPO及多種自蒸馏基線算法。