GraphOPD：图增强在线策略蒸馏 LLM 智能体
原文标题：GraphOPD: Graph-Augmented On-Policy Distillation for LLM Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GraphOPD，首个将图结构增强引入在线策略蒸馏的方法，用于提升 LLM 智能体能力。它从环境状态变化记录中构建步骤依赖图，用随机游走平稳分布评分并与散度信号融合，在 ALFWorld、WebShop、SearchQA 上比最强基线最高提升 5.8 个百分点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GraphOPD用步骤依赖图做在线策略蒸馏，三个基准最高提升5.8个百分点。
- •指出按师生散度大小分配监督在多轮链式决策中失效：早期漂移会污染后续上下文
- •实验显示蒸馏最高散度步骤相对随机选择无一致收益
- •从环境状态变化记录构建步骤依赖图，用随机游走平稳分布给步骤打分
- •将结构信用与散度信号融合为轨迹相对掩码，聚焦每个rollout的高潜力步骤
- •在ALFWorld、WebShop、SearchQA上比最强基线最高提升5.8个百分点
为什么重要：它给出「散度大不等于该教」的反例与替代方案，对做LLM智能体蒸馏与稀疏奖励后训练的团队是可直接借鉴的监督分配思路。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。