# 自动技能进化器

作者提出扩散在线策略上下文蒸馏（D-OPCD），把智能体框架生成的提示当作教师独享的特权上下文，在学生的去噪轨迹上监督只接收原始查询的学生模型，从而把提示层面的框架收益写入扩散模型权重；配合自动技能演化器（ASE），四个基准上的直接生成均分从 60.52 提升到 65.09，且更新后的生成器在无技能框架下平均略高于原技能框架智能体。

作者提出扩散在线策略上下文蒸馏（D-OPCD），把智能体框架生成的提示当作教师独享的特权上下文，在学生的去噪轨迹上监督只接收原始查询的学生模型，从而把提示层面的框架收益写入扩散模型权重；配合自动技能演化器（ASE），四个基准上的直接生成均分从 60.52 提升到 65.09，且更新后的生成器在无技能框架下平均略高于原技能框架智能体。