Meta 论文提出 RSD，让 AI 智能体从无标注历史轨迹中自我进化

Meta 提出 Retrospective Self-Distillation（RSD），让同一模型根据已知任务结局为历史行动评分，再将评分分布蒸馏回策略。实验显示，Qwen3-14B 在 ScienceWorld 的成功率从 12.9% 升至 20.6%，Qwen3-8B 在 ALFWorld 达到 76.6%。