arXiv · cs.CL· Wenxi Gan·· 20 天前AI 评分34
用任务进度学习行动：Task-Progress Distillation 从紧凑教师监督蒸馏小型智能体
Learning to Act with Task Progress: Distilling Small Agents from Compact Teacher Supervision
来源与原文
arXiv · cs.CL
作者：Wenxi Gan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.10332v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 Task-Progress Distillation（TPD），一种离线蒸馏方法，将演示动作与描述当前任务阶段的短标签配对来训练小型智能体。在 ALFWorld 上，1.7B 学生模型用 404 条演示达到 72.4% 平均未见任务成功率，推理训练学生为 48.3%；808 条演示时两种方式均达 76.9%。显式阶段标签在 200 条演示时将成功率从 48.0% 提升至 67.7%。
来源：arXiv · cs.CL · arxiv.org