free-target optimal transport

新方法通过动作序列对齐改进AI代理训练

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。