论文15:03
UOPD：用不确定性感知干预改进多轮智能体的在线蒸馏这篇论文给多轮智能体蒸馏提了个新思路：只在学生拿不准的步骤让老师出手纠正，WebShop 分数最多提升 15.8%。做 Agent 训练的可以看看干预时机的选择。
#UOPD
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「UOPD」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月29日
这篇论文给多轮智能体蒸馏提了个新思路：只在学生拿不准的步骤让老师出手纠正，WebShop 分数最多提升 15.8%。做 Agent 训练的可以看看干预时机的选择。