NVIDIA 发布 PivotOPD 助多轮智能体纠错恢复

NVIDIA 研究团队发布 PivotOPD，一个针对多轮语言智能体的 on-policy 蒸馏框架，旨在解决多轮交互中错误复合的问题。研究发现，在三个 Qwen3 模型（8B–235B）的实验中，超过一半的失败轨迹源于关键性错误，一个错误动作会改变后续所有状态。PivotOPD 通过教会智能体从这些关键错误中恢复，在评测中胜过 13 个基线方法。

2026-10-08 ~ 2026-10-08 · 2 条相关

• NVIDIA 提出 PivotOPD：让多轮智能体学会从关键错误中恢复 — NVIDIAAI · 2026-10-08

另有 1 条近重复转述:Jeande_d