arXiv · 机器人与计算机视觉· Jie Jin, Shengqin Wang, Yan Gao, Xin Tan, Yuan Xie·· 2 天前AI 评分48
ECOD:经验校准的在线策略蒸馏提升多轮智能体长程任务成功率
ECOD: Experience-Calibrated On-Policy Distillation for Multi-Turn Agents
AI 导读
ECOD 通过在校准教师与学生在匹配条件下的成功概率后验,将监督分配至任务、轨迹及回合层级,仅对失败学生轨迹施加直接监督。该方法在 ALFWorld 和 WebShop 基准上,配合 Qwen2.5-1.5B-Instruct 与 Qwen2.5-7B-Instruct 模型,使未见任务成功率相对提升最高达 4.06%,平均配对相对增益分别为 6.20% 和 7.05%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org