PLVR 论文提出将专家轨迹蒸馏为可验证程序提升小模型工具使用
热点事件持续更新
PLVR 论文提出将专家轨迹蒸馏为可验证程序提升小模型工具使用
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
arXiv 论文 2610.19148 提出 Program Learning with Verifiable Rewards（PLVR）方法，由 Stanford 等研究者将专家轨迹蒸馏为可复用程序，且不更新模型权重，以提升小模型的工具使用成功率。 据论文报告，在 Telecom 任务上，PLVR 将 8B 模型的成功率从 43.0% 提升至 91.2%，更大的学生模型最高达到 94.4%，而最佳基线为 57.9%。在 Retail 和 LiveMCPBench 上，PLVR 与最佳基线相当，但工具搜索环节仍更依赖学生模型本身。
AI 根据报道生成 · 1 小时前更新
最新进展11月14日 13:00
PLVR 论文提出将专家轨迹蒸馏为可验证程序以提升小模型工具使用报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIPLVR 论文提出将专家轨迹蒸馏为可验证程序以提升小模型工具使用
arXiv 论文提出 Program Learning with Verifiable Rewards（PLVR），将专家轨迹蒸馏为可复用程序而不更新模型权重。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。