顾全全团队这波开源挺硬核，没有外部教师模型也能自我进化，特权信息生成推理路径的思路值得细品

币界网消息，SDPG算法由加州大学洛杉矶分校（UCLA）顾全全团队的刘益枫、张诗源与普林斯顿大学的张伊凡开源，旨在解决智能体在缺乏外部教师模型指导时的自我进化瓶颈。该算法通过内部教师引导机制，利用特权信息生成高质量推理路径，提升多步决策的训练效率与成功率。评测数据显示，SDPG在数学推理与多步规划任务中表现优于GRPO及多种自蒸馏基线算法。