PulseAugur
中
实时 08:49:45
实体 Agentic hindsight self-distillation

Agentic hindsight self-distillation

PulseAugur coverage of Agentic hindsight self-distillation — every cluster mentioning Agentic hindsight self-distillation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_289251 ·

    新的SELF框架通过环境反馈增强语言代理训练

    研究人员引入了一个名为SELF(SELF-distilLation with environmental Feedback modeling)的新框架,用于改进在缺乏直接奖励的交互式环境中训练的语言代理。该框架联合优化环境反馈建模和事后自我蒸馏,使代理能够在从条件化反馈的自我教师那里学习的同时,预测环境响应。实验表明,SELF在tau-Bench和AppWorld等基准测试中优于SDPO和GRPO等现有方法,通过更有效地利用环境反馈来…