在线策略蒸馏跨域重塑LLM的ReAct交互模式
热点事件持续更新
在线策略蒸馏跨域重塑LLM的ReAct交互模式
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Deyang Kong等作者发表研究,考察在线策略蒸馏(OPD)如何跨数学、ALFWorld和τ²-bench三个领域重塑LLM智能体的ReAct交互模式,关注推理、动作和观察获取三方面。 研究发现,用通用推理监督做OPD后,数学任务中的工具调用尝试从70.4%降至14.4%,准确率则从16.7%升至38.0%;而用ALFWorld监督做OPD后,τ²-bench上的准确率从41.5%跌至6.6%。这表明OPD对交互模式的改变会跨域迁移,且不同来源的监督可能带来相反效果。
AI 根据报道生成 · 57 分钟前更新
最新进展11月20日 13:00
Agentic On-Policy Distillation 如何隐式重塑 LLM 的 ReAct 交互模式报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIAgentic On-Policy Distillation 如何隐式重塑 LLM 的 ReAct 交互模式
研究揭示 on-policy distillation(OPD)会跨域重塑 LLM 智能体的 ReAct 交互模式:通用推理监督将数学工具调用尝试从 70.4% 降至 14.4%,准确率从 16.7% 升至 38.0%;而 ALFWorld 监督使 τ²-bench 准确率从 41.5% 跌至 6.6%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。