LLM 即教练：面向不可验证任务的体验式学习

论文提出体验式学习（EL），将传统 LLM-as-a-Judge 的评分模型改造成 LLM-as-a-Coach，把对策略模型输出的文本评价提炼为可迁移经验，再通过在策略上下文蒸馏完成学习。作者称，EL 在两个策略模型家族、不同反馈模型设置及未见开放式任务上优于基于量规的强化学习，并能缓解奖励破解。