跳到正文
arXiv · NLP· Zheng Jiang, Yiming Chen, Houde Qian, Ling Li, Chaoyang Li, Lifeng Sun·· 25 天前AI 评分38

Frontier-OPD 如何通过学习边界提升多轮智能体能力

Frontier-OPD: Discovering the Edge of Agent Capability and Teaching Agents to Go Beyond

AI 导读

研究者提出 Frontier-OPD 方法,在 ALFWorld 等测试中实现了高于蒸馏基线的自主性能。 该方法利用状态轨迹图识别关键决策点,通过短时教师指导与后续学生行为的对比来筛选有效干预。 实验表明,该方法在特定设置下以更短的时间达到目标成功率,验证了筛选与引导机制的互补效果。

来源:arXiv · NLP · arxiv.org