NVIDIA发布PivotOPD恢复技术

发生了什么

据MarkTechPost报道，NVIDIA与普林斯顿大学、马里兰大学研究人员引入PivotOPD，这是一种针对多轮LLM智能体的在线策略蒸馏方法。该技术训练智能体避免最具破坏性的早期错误，并在错误发生时进行恢复。在ALFWorld、WebShop和基于搜索的QA测试中，针对Qwen3-1.7B和Qwen3-8B学生模型，PivotOPD取得了最佳平均成绩。数据显示，PivotOPD能恢复72.7%的重放关键错误，而标准OPD仅为20.3%，基础模型为8.3%。PivotOPD仅改变训练过程，推理成本无额外增加。