NVIDIA联合高校推出PivotOPD，训练AI智能体从关键错误中恢复

Techub News 消息，NVIDIA 联合普林斯顿大学和马里兰大学的研究人员推出 PivotOPD，这是一种面向多轮大语言模型智能体的策略蒸馏方法。

这项方法的目标，是训练智能体避开破坏性最强的早期错误，并在错误已经发生后完成恢复。

测试覆盖 13 个基线

根据 MarkTechPost 披露的信息，在针对 13 个基线的测试中，PivotOPD 为 Qwen3-1.7B 和 Qwen3-8B 学生模型在 ALFWorld、WebShop 以及基于搜索的 QA 任务上拿到了最佳平均成绩。

恢复能力成为研究重点

研究结论称，恢复能力是可以学习的，而标准策略蒸馏很少教授这一点。

在 Qwen3-8B 学生模型上，PivotOPD 能从 72.7% 的重放关键错误中恢复；作为对比，标准策略蒸馏的恢复率只有 20.3%。

不增加推理成本

该方法不增加推理成本，训练后的智能体可以在其基础模型能够运行的任何地方运行。