研究提出用动作序列对齐选择多轮蒸馏参考

Mufei Li 等作者提出一种多轮工具调用智能体 on-policy 蒸馏中的成功参考轨迹选择方法：把选择问题建模为自由目标最优传输问题，归结为为每条失败轨迹分配最兼容的成功参考，并用最长公共子序列（LCS）作为动作序列对齐的可观测代理来衡量轨迹兼容性。 该研究称，这一建模可将成功参考选择转化为失败轨迹与成功轨迹之间的匹配问题；LCS 在此仅作为衡量动作序列兼容性的代理指标。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。