arXiv cs.LG· Bohan Lin, Liyi Chen, Zhuoning Guo, Muyang Li, Qimeng Wang, Yan Gao, Yao Hu, Yudong Zhang·· 26 天前AI 评分34
GraphOPD：面向 LLM 智能体的图增强在线策略蒸馏
GraphOPD: Graph-Augmented On-Policy Distillation for LLM Agents
AI 导读
研究团队提出 GraphOPD，首次将图结构增强引入大语言模型智能体的在线策略蒸馏。该方法利用环境状态变化构建步骤依赖图，融合图上随机游走平稳分布得分与师生策略散度信号，将监督精准聚焦于关键步骤。在 ALFWorld、WebShop 和 SearchQA 评测中，GraphOPD 较最强基线最高提升 5.8 个百分点（+5.8 pp），并展现出域外工具推理迁移能力。
来源：arXiv cs.LG · arxiv.org