已收录文章摘要，完整内容可前往原文阅读。
自蒸馏论文一篇接一篇，可真把这些方法放到同一套环境里比较，原本的优势还能保住吗？论文里明明有提升，自己复现却很难跑出同样的结果。浙江大学、蚂蚁集团的研究团队在复现 Agentic RL 的 Self-