跳到正文
arXiv · AI· Deyang Kong, Zhaoyi Li, Sijian Ren, Ying Wei, Defu Lian, Shikun Zhang, Wei Ye·· 3 天前AI 评分21

智能体在线策略蒸馏如何隐式重塑 LLM 的 ReAct 模式

Agentic On-Policy Distillation Implicitly Reshapes LLMs' ReAct Patterns

AI 导读

研究揭示在线策略蒸馏会重塑大语言模型智能体的 ReAct 交互模式。 跨域蒸馏产生显著迁移效应:通用推理监督将数学工具尝试率从 70.4% 降至 14.4%,但准确率从 16.7% 提升至 38.0%;而 ALFWorld 监督导致 $\tau^2$-bench 准确率从 41.5% 骤降至 6.6%。

来源:arXiv · AI · arxiv.org