阿里淘宝团队联合浙江大学发布 MultiAgent-OPD：策略内蒸馏实现多智能体端到端训练

阿里巴巴淘宝 TaoLive-AIGC 团队联合浙江大学发布 MultiAgent-OPD 论文，提出分层多智能体系统的端到端训练方法。该方法以策略内蒸馏（on-policy distillation）结合强化学习，联合训练整个智能体团队，并用冻结的教师模型提供局部过程监督。论文在多个数据集上提升了端到端性能，于 2026 年 10 月 20 日发布于 arXiv。