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…
标签
共 2 篇资讯
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…
Ai2 开源了面向科学报告生成的模型 AstaBrief 8B,该模型以 Qwen3-8B 为基座,输入研究问题与检索到的文献片段,直接一次性生成带引用的报告。AstaBrief 已作为 Asta「Generate a report」功…