跳到正文
arXiv · AI· Chenhao Zhang, Zhongan Wang, Mingxuan Li, Hehe Fan, Zheng Zhu, Ming Li·· 10 天前AI 评分30

ECOS 语言智能体自蒸馏框架

ECOS: Environment-Calibrated On-Policy Self-Distillation for Language Agents

AI 导读

提出环境校准在线自蒸馏框架 ECOS,利用环境结果校准教师指导权重,抑制自写技能误差传递。 3B 和 7B 智能体在 ALFWorld 测试集宏观成功率分别达 90.5% 和 93.3%,WebShop 成功率为 75.5% 和 80.5%。 在未见过的 ALFWorld 任务上,该模型比 GRPO 协议高出 11.0 和 7.6 个百分点。

来源:arXiv · AI · arxiv.org