NVIDIA PivotOPD：教会多轮AI智能体从关键错误中恢复

📋总体概括

NVIDIA研究团队推出PivotOPD，一种在线策略蒸馏方法，用于训练多轮LLM智能体避免早期关键性错误并从错误中恢复。该方法在3个智能体基准测试上与13个基线方法对比，取得最佳平均成绩。该工作聚焦多轮智能体训练中被忽视的问题：早期 pivotal mistake 对后续轨迹的连锁影响，为智能体强化训练提供了新的蒸馏思路。