蒸馏Agentic系统：跨模型、产物与Harness的路线图

现代智能体越来越依赖记忆、工具和执行逻辑，因此它们的能力超出了模型参数的范围。这种转变暴露了传统知识蒸馏的局限性，即学生模型如何模仿教师模型。我们将智能体蒸馏定义为将解决任务的知识从教师智能体持续转移到学生智能体。我们的研究通过保留转移知识的位置来组织该领域：在模型内，作为工件，通过执行工具，或跨基质。这种观点将转移证据与其结果分开，并阐明知识如何在Agent组件之间移动。我们开发了一个评估框架，将保留率与因果贡献和部署效用联系起来。这些贡献共同为日益复杂的 Agentic 系统的可靠、可维护和安全开发奠定了基础。