arXiv · Computation and Language· Wenxi Gan·· 3 小时前AI 评分29
Learning to Act with Task Progress：基于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
AI 导读
论文提出 Task-Progress Distillation（TPD），一种离线方法，为教师轨迹中的每个动作配上描述当前任务阶段的简短标签，学生模型通过联合评分合法阶段—动作对来选择动作。
来源：arXiv · Computation and Language · arxiv.org