kokolerk/TCOD：多轮Agent时序课程式在线策略蒸馏方法

kokolerk/TCOD仓库提出多轮Agent场景下的时序课程式在线策略蒸馏方法。其思路是按时间或难度组织课程，在线地从教师策略向学生模型蒸馏多轮交互能力，仓库宣称结果可复现。该方法对希望用小模型承担多轮任务、降低推理成本的团队有直接参考价值，落地前建议先小规模验证训练稳定性。