arXiv cs.AI· Juncheng Diao, Haibin Wang, Wei Shi, Yifan Ding, Qingbin Li, Rongxiang Weng, Xunliang Cai·· 1 天前AI 评分33
SAPD：无需环境交互即可从智能体经验中学习
SAPD: Learning from Agent Experience without Environment Interaction
AI 导读
论文提出 Step-Advantage Policy Distillation（SAPD），一种从离线轨迹学习 LLM 智能体策略的方法，无需新的环境观测或多轮交互。
来源：arXiv cs.AI · arxiv.org