Hugging Face Daily Papers·2026-09-30 08:00· 2 天前AI 评分46

PivotOPD：学习从多轮智能体的关键错误中恢复

PivotOPD: Learning to Recover from Pivotal Mistakes in Multi-Turn Agents

AI 导读

PivotOPD 是一种 on-policy distillation 框架，在关键错误处用教师 gold action 和后续 recovery action 训练多轮语言智能体预防并恢复错误。