#policy distillation

把 SHAP 归因和策略蒸馏结合，让玩 Atari 游戏的深度 RL 智能体也能被看懂，决策树代理比线性回归更忠实。做可解释 AI、安全 RL 或想在机器人等高风险场景部署 RL 的研究者值得复现。

训练智能体不用再搭一堆环境了，SAPD 直接从离线轨迹学，比在线蒸馏快 4.7 倍，代码过阵子开源。

训练机械臂策略的新思路：不蒸馏专家，只学视觉补状态，真机 Panda 上 76% 成功率，做 sim-to-real 的朋友可以看看。

RISE方法解决了传统蒸馏中教师质量瓶颈问题，用模型自身轨迹构建教师，在多项任务中超越现有方法。

研究者用决策树“拆解”了黑箱TD3，在倒立摆任务上性能不减，还解析了控制规律，适合安全关键AI参考。