标签： on-policy蒸馏

AI资讯

NVIDIA 联合普林斯顿、马里兰大学提出 PivotOPD：让多轮 Agent 学会从关键错误中恢复，重放错误恢复率 72.7% 对标准 OPD 的 20.3%

NVIDIA 研究院联合普林斯顿大学和马里兰大学提出 PivotOPD，一种面向多轮 LLM Agent 的 on-policy 蒸馏方法。它针对「关键错误」（pivotal mistake，即延长任务最短完成路径或使任务无法完成的动作…