1. 16:40
   MarkTechPost

   NVIDIA PivotOPD：让多轮 AI 智能体从关键错误中恢复的在线策略蒸馏方法

   NVIDIA 联合普林斯顿大学和马里兰大学提出 PivotOPD，一种针对多轮 LLM 智能体的在线策略蒸馏方法，旨在训练智能体避免或从早期关键错误中恢复。在 ALFWorld、WebShop 和基于搜索的 QA 基准测试中，该方法在 Qwen3-1.7B 和 Qwen3-8B 学生模型上均优于 13 个基线模型。

当前热度 4·可比范围峰值 9（10月8日 20:00）·近 24 小时可比范围变化 -50%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。