英伟达 PivotOPD 让多轮 AI 智能体学会从关键失误中恢复

英伟达研究人员提出 PivotOPD，这是一种在线策略蒸馏方法，用于训练多轮 LLM 智能体避免早期的关键性失误，并学会从中恢复。在 3 个智能体基准测试上，该方法对 13 个基线取得了最佳平均成绩。