研究人员开发了一种新方法,用于改进多轮工具使用代理的在轨蒸馏(OPD)。该技术将成功参考选择视为一个自由目标最优传输问题,旨在将失败的轨迹与最兼容的成功轨迹进行匹配。通过使用动作序列对齐,特别是最长公共子序列(LCS)算法,作为兼容性的代理,该方法识别出共享的动作骨干,同时允许绕行。在ALFWorld和$\tau^3$-bench上的实验表明,LCS比无参考OPD的性能有所提高,并且在新领域中具有可迁移性。 AI
影响 这项研究可能导致更有效的AI代理工具使用训练方法,从而提高它们在复杂、多轮任务中的性能。
排序理由 该集群包含一篇详细介绍AI代理训练新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- ALFWorld
- $au^3$-bench
- free-target optimal transport
- longest common subsequence problem
- On-Policy Distillation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →