跳到正文
arXiv · ML· Jie Jin, Shengqin Wang, Yan Gao, Xin Tan, Yuan Xie·· 3 天前AI 评分35

ECOD: 用于多轮智能体的经验校准策略蒸馏

ECOD: Experience-Calibrated On-Policy Distillation for Multi-Turn Agents

AI 导读

提出ECOD方法,在ALFWorld和WebShop基准上,使用Qwen2.5-1.5B和7B模型时,将标准OPD的相对成功率提升最高4.06%。 通过在任务、轨迹和回合层面分配教师监督,ECOD在ALFWorld未见任务上实现6.20%平均相对增益,WebShop增益介于2.29%至21.60%。 该机制可作为跨不同蒸馏目标的可复用监督分配方法。

来源:arXiv · ML · arxiv.org