NVIDIA PivotOPD huấn luyện AI agent multi-turn cách khắc phục các sai lầm then chốt

Các nhà nghiên cứu tại NVIDIA giới thiệu PivotOPD, một phương pháp on-policy distillation giúp huấn luyện các LLM agent multi-turn tránh các sai lầm then chốt ở giai đoạn đầu và biết cách khắc phục chúng. Phương pháp này đạt kết quả trung bình tốt nhất so với 13 baseline trên 3 agent benchmark. Bài viết NVIDIA PivotOPD Teaches Multi-Turn AI Agents to Recover From Pivotal Mistakes xuất hiện lần đầu trên MarkTechPost.