现有自蒸馏智能体RL评估存在结构性问题：很多工作直接复用已发表论文中不同实验条件（不同模型规模、训练步数、评估协议）下的基线分数，且多数论文只与自身改进前版本对比，缺乏与同期其他方法的直接比较。