跳到正文
Hugging Face Daily Papers·· 5 天前AI 评分72

Agentic On-Policy Distillation Implicitly Reshapes LLMs' ReAct Patterns

Agentic On-Policy Distillation Implicitly Reshapes LLMs' ReAct Patterns

AI 导读

该论文研究了同策略蒸馏(OPD)如何重塑语言模型智能体在数学、ALFWorld 和 tau^2-bench 等任务中的 ReAct 交互模式。研究发现,通用推理监督能将数学工具尝试率从 70.4% 降至 14.4%,准确率从 16.7% 提升至 38.0%;代码解释器监督改善了家庭操作和零售查询能力。

来源:Hugging Face Daily Papers · arxiv.org