Task-Progress Distillation

新的任务进度蒸馏有效训练小型AI代理

研究人员开发了一种名为任务进度蒸馏（TPD）的新方法，可以更有效地训练小型AI代理。该方法将大型AI模型执行的每个动作与指示任务当前阶段的简洁标签配对。在ALFWorld环境中进行测试时，使用TPD和404个演示训练的学生代理在未见过的任务上取得了72.4%的成功率，显著优于仅接受推理或仅动作监督训练的学生代理。事实证明，明确的任务进度标签在演示次数有限的情况下特别有益，与仅动作监督相比，性能从48.0%提升到67.7%。