阿里淘宝团队联合浙大发布 MultiAgent-OPD 论文：策略内蒸馏端到端训练多智能体

阿里淘宝 TaoLive-AIGC 团队联合浙江大学发布论文 MultiAgent-OPD，提出策略内蒸馏端到端训练分层多智能体系统，并在多个数据集提升端到端性能。该方法通过策略内蒸馏与强化学习联合训练整个智能体团队，并用冻结教师模型提供局部过程监督，让子智能体获得更直接训练信号。论文于 2026 年 10 月 20 日发布于 arXiv。