NVIDIA 联合高校推出 PivotOPD，训练 AI 智能体从关键错误中恢复

Techub News 消息，NVIDIA 联合普林斯顿大学和马里兰大学的研究人员推出 PivotOPD，这是一种用于多轮大语言模型智能体的策略蒸馏方法。该方法训练智能体避免最具破坏性的早期错误，并在错误发生时进行恢复。在针对 13 个基线的测试中，该方法在 ALFWorld、WebShop 和基于搜索的 QA 任务上，为 Qwen3-1.7B 和 Qwen3-8B 学生模型取得了最佳平均成绩。研究结论是，恢复能力是可学习的，而标准策略蒸馏很少教授这一点。 该方法在 Qwen3-8B 学生模型上，能从 72.7% 的重放关键错误中恢复，而标准策略蒸馏的恢复率仅为 20.3%。该方法不增加推理成本，训练后的智能体可在其基础模型运行的任何地方运行。（MarkTechPost）