GraphOPD：面向 LLM Agent 的图增强在线策略蒸馏

英文标题：GraphOPD: Graph-Augmented On-Policy Distillation for LLM Agents

GraphOPD 提出了一种用于大语言模型 Agent 的图增强在线策略蒸馏方法。在线策略蒸馏通过教师策略提供密集的逐步骤指导，帮助 Agent 在强化学习奖励稀疏且仅在完整轨迹结束时到达的场景中进行后训练。该研究旨在改善 LLM Agent 在稀疏奖励任务中的训练信号与学习效率。所提供原文仅包含摘要开头及引用区域标题，未给出具体实验数据、方法细节或结论。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB