SDAR

SDAR（Self-Distilled Agentic Reinforcement Learning）是一个面向具身智能体的强化学习框架，旨在提升智能体在复杂任务环境（如ALFWorld、WebShop、Search-QA）中的决策与规划能力。其核心是通过自蒸馏机制将高阶策略知识压缩为轻量级代理模型，并结合多步推理与动作蒸馏实现高效策略优化。技术上支持大语言模型驱动的动作生成、离线策略蒸馏、环境交互式训练及多平台部署。适用于需要长程推理、工具调用与环境交互的具身AI研究场景，如虚拟环境导航、网页交互任务和检索增强问答系统。