arXiv · AI· Bohan Lin, Liyi Chen, Zhuoning Guo, Muyang Li, Qimeng Wang, Yan Gao, Yao Hu, Yudong Zhang·· 2026-10-08AI 评分36
GraphOPD: 面向 LLM 智能体的图增强在策略蒸馏方法
GraphOPD: Graph-Augmented On-Policy Distillation for LLM Agents
AI 导读
提出 GraphOPD 方法,首次将图结构增强引入 LLM 智能体的在策略蒸馏,通过依赖图随机游走评分替代单纯基于师生分歧度分配监督信号。 该方法利用环境状态变更记录构建步骤依赖关系,在 ALFWorld、WebShop 和 SearchQA 基准上对比 11 个基线,最优提升达 +5.8 pp,且跨领域工具推理有效。
来源:arXiv · AI · arxiv.org