提出 Sibling-Guided Credit Distillation (SGCD),通过混合成功/失败场景的采样和外部LLM总结的步骤信用参考,利用密集师生散度重加权策略梯度优势,用于长程工具使用智能体,在AppWorld和τ3-airline上提升了性能(如AppWorld TGC 42.9→45.6,τ…
机构:Amazon
来源:arXiv 2606.12634 | AI4Papers 论文推荐平台