任务进度蒸馏让1.7B小智能体在ALFWorld上以404条演示达到72.4%未见任务成功率
该工作提出任务进度蒸馏（TPD），在离线条件下把教师演示中的每个动作与一个简短任务阶段标签配对，学生通过联合打分可行动作与阶段对来选择动作；在ALFWorld上，1.7B学生用404条演示在TPD或仅动作监督下均达到72.4%平均未见任务成功率，而用受限动作选择的推理训练学生为48.3%；显式阶段在200条演示时把成功率从48.0%提升到67.7%，演示增多后仅动作监督追平，两者在808条时均达76.9%。