策略蒸馏

WPT：通过在线世界模型蒸馏实现从世界模型到策略的迁移

WPT: World-to-Policy Transfer via Online World Model Distillation

对做视觉驱动决策的研究者，可复用其「世界模型在线蒸馏到轻量学生策略」的范式：用世界模型预测的未来动力学构造奖励信号训练教师策略，再蒸馏为学生策略，从而在保持实时推理的同时获得世界模型的规划收益。