提出HERO,一种基于后见之明反思的自蒸馏框架,利用下一步环境观察作为局部对齐反馈来改进多轮agent训练,在TauBench和WebShop上提升了任务成功率和执行效率。
机构:UCSD
来源:arXiv 2606.11559 | AI4Papers 论文推荐平台