AGI Hunt· Deyang Kong·· 6 小时前AI 评分59
北大等研究 Agentic On-Policy 蒸馏对 LLM ReAct 模式的负迁移影响
北大等研究:Agentic On-Policy 蒸馏会隐性重塑 LLM 的 ReAct 模式并致负迁移
AI 导读
北大、中科大、清华和浙大合作研究指出,Agentic On-Policy 蒸馏会隐性重塑 LLM 的 ReAct 交互模式,并在跨域场景中造成负迁移。数学工具调用尝试率从 70.4% 降至 14.4%,但准确率从 16.0% 升至 38.0%;ALFWorld 监督则使 τ²-bench 准确率从 41.5% 跌至 6.6%,并引发大量违反用户信息依赖的工具调用。
来源:AGI Hunt · agihunt.info