연구진은 결과 기반 강화 학습에서 장기적인 에이전트 과제에 대한 신용 할당 문제를 해결하기 위해 PBSD(Privileged Bayesian Self-Distillation)를 제안했어요.
PBSD는 베이지안 방식으로 검증된 답변의 사후 확률-사전 확률 비율을 측정하고, 이를 표준 학생 모델과 특권적 답변 조건부 교사 모델 간의 가능도 비율로 변환해 과제를 수행해요.
실험 결과, PBSD는 다양한 환경에서 성능을 향상시키고, 짧은 컨텍스트 학습에서 장기 컨텍스트 추론으로 지식을 효과적으로 전달하는 것을 보여줬어요.