ProD方法缓解小模型Agent停滞

研究者提出进度感知蒸馏方法 ProD，用于解决蒸馏后小语言模型智能体在长交互轨迹中陷入无效循环的“进度停滞”问题。该方法将学生与教师之间的停滞差距编码为自适应 margin，动态惩罚停滞。 据该研究，在 8 个参数规模 0.6B 至 8B 的小语言模型上、域内与域外基准测试中，ProD 缓解了停滞，并提升成功率与任务完成效率。该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。