概念On-Policy Orchestration Distillation / 在策略编排蒸馏
OPOD
OPOD（On-Policy Orchestration Distillation）是POrchestra框架中的优化方法，通过将子智能体主动修订请求回溯归因到此前编排决策，提供过程监督信号，结合最终奖励共同优化编排策略，解决稀疏反馈问题。
时间轴 (近 90 天)
10月12日
研究者提出了 On-Policy Orchestration Distillation（OPOD，在策略编排蒸馏）优化方法
待验证50%
10月12日
OPOD 将子智能体的主动修订请求回溯归因到此前的编排决策上，推导出改进信号，并作为过程监督与最终奖励协同使用
待验证50%
10月12日
结合 OPOD 后，小型编排器的成功率相比现有训练基线平均提升 10.0%
待验证50%