方法按训练阶段评估自教师可靠性，动态退出可能有害的在策略蒸馏监督。
推荐理由：论文指出特权信息不保证教师可靠，且蒸馏收益随训练阶段衰减；让教师监督自动退场，可避免后期错误模仿限制强化学习智能体的能力上限。
阅读原文