π-Play: Multi-Agent Self-Play via Privileged Self-Distillation without External Data

评分 6.5 · 来源：cs.CL updates on arXiv.org · 发布于 2026-04-16

评分依据：无需外部数据的多智能体自我博弈，利用self-play自然产生的聚合响应作为训练信号，提升搜索agent数据效率