Learning from Revision Consequences: Hindsight Meta-Experience Distillation for Self-Improving Agents
The Chinese University of Hong Kong(香港中文大学);Shanghai Jiao Tong University(上海交通大学)
针对智能体元技能学习受分支结果干扰的问题,提出HMED机制,通过从相同状态重放修订前后元技能并蒸馏元经验,在多个基准上显著提升技能发现性能。
2026-10-07 cs.AI
Long SKILL Compliance as Logical Reasoning: Closure-Grounded Detection with Scaling-Guided On-Policy Distillation
Meituan(美团)
针对长SKILL合规性检测的成本与精度矛盾,提出SkillCDG框架,结合两级检索与依赖闭包实现检测,在多数据集上优于基线,还发现尺度趋势以优化小模型性能。
2026-08-11 cs.AI
Skill-Guided Continuation Distillation for GUI Agents
StepFun;University of Science and Technology Beijing(北京科技大学);Tsinghua University(清华大学);Nanyang Technological University(南洋理工大学)
提出技能引导延续蒸馏(SGCD)框架,通过技能引导策略生成成功延续轨迹,弥补专家轨迹中未覆盖的状态监督缺失,在OSWorld-Verified上将三个基础模型成功率从30%左右提升至50%以上。
2026-06-18 cs.AI
SkillLens: Visual Skill Cards for Retrieval-Augmented GUI Action Prediction and On-Policy Distillation
SkillLens提出可视化技能卡片(VSCs),结合轨迹转卡片方法与检索增强机制,在两个多模态网页基准上提升了冻结GPT-5.4-mini执行器及Qwen3-VL-2B学生模型的GUI动作预测性能。
2026-11-04 cs.AI
Skill-Decoupled On-Policy Expert Distillation for Unified Vision-Language Models
School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院);Alibaba Group(阿里巴巴集团)
该研究针对视觉-语言模型联合优化的梯度冲突问题,提出SCOPED方法,经8个多模态基准测试验证其性能优于基线,可有效整合独立获取的专用能力。
2026-10-16 cs.AI cs.CV
Distill Skills into Weights, Not Prompts: Abstract Skills as Privileged Signals for On-Policy Self-Distillation
该研究针对强化学习中组相对奖励失效的问题,提出SKALD框架,通过将抽象技能蒸馏为模型权重,在五个数学基准上提升了不同规模模型的avg@8指标。
2026-08-11 cs.AI cs.LG
UCOB: Learning to Utilize and Evolve Agentic Skills via Credit-Aware On-Policy Bidirectional Self-Distillation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Pengcheng Laboratory(鹏城实验室);Memorax AI
提出UCOB框架,通过比较技能条件与无技能提示的回报,实现信用感知的在策略双向自蒸馏,以有效利用和更新技能记忆,在ALFWorld、WebShop等任务上显著超越基线。
2026-07-20 cs.AI cs.CL
Progressive Reinforcement Learning with Distillation for Multi-Skilled Motion Control
University of British Colubia(英属哥伦比亚大学)
深度强化学习已经证明了不断增加的连续控制问题的能力,包括可以在其环境中熟练和敏捷地移动的代理。在这种情况下,一个开放的问题是,制定良好的战略,整合或合并多个技能的政策,其中每一个单独的技能是一个特定的技能和相关的状态分布的专家。我们扩展策略蒸馏方法的连续动作设置,并利用这种技术来结合专家的政策,在不同类别的地形模拟双足运动的域中进行评估。我们还介绍了一种输入注入方法,用于增强现有的政策网络,以利用新的输入功能。最后,我们的方法使用迁移学习来帮助有效地获得新技能。这些方法的组合允许策略使用新技能进行增量增强。我们比较我们的渐进式学习和集成通过蒸馏(PLAID)方法对三个替代基线。
2018-02-13 cs.AI cs.LG cs.RO
SkillFactory: Self-Distillation For Learning Cognitive Behaviors
New York University(纽约大学);Toyota Research Institute(丰田研究所)
SkillFactory通过监督微调阶段学习认知技能,为强化学习奠定基础,提升模型在复杂任务中的泛化能力与鲁棒性。
2026-04-09 cs.AI cs.CL
P2Skill: Privacy Preserving Skill Distillation for Cloud-Local LLM Inference Systems
Korea University(高丽大学)
针对云-本地LLM推理系统的P2Skill,通过技能提示实现本地SLM自主处理PII相关操作,无需隐私微调,在四领域基准上的隐私保护推理质量较基线提升1.69倍、3.66倍。
2026-10-14 cs.AI cs.CR
Skill-Conditioned Gated Self-Distillation for LLM Reasoning
Tsinghua University(清华大学);Fudan University(复旦大学);City University of Hong Kong(香港城市大学);Huazhong University of Science and Technology(华中科技大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
提出技能条件门控自蒸馏(SGSD),通过从经验技能库中检索技能-错误对构建多教师池,并利用验证器验证教师极性,以鲁棒门控目标蒸馏信息性师生差异,在弱先验信息假设下提升数学推理性能。
2026-09-04 cs.AI cs.CL
COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
提出一个从异构痕迹到可检查、可修正、可代理使用的技能包的自动化蒸馏系统,用于生成基于人的AI技能。
2026-05-29 cs.AI cs.CL cs.LG
Skill1: Unified Evolution of Skill-Augmented Agents via Reinforcement Learning
University of Science and Technology of China(中国科学技术大学);Meituan(美团);National University of Singapore(新加坡国立大学);Zhejiang University(浙江大学);Wuhan University(武汉大学)
本文提出Skill1框架,通过单一策略协同进化技能选择、利用与蒸馏,以共享任务目标优化技能库维护,实验表明其优于现有基线方法。
2026-05-12 cs.AI
From Scoring to Acting: Outcome-Verified Comparative Self-Distillation for LLM Agents
该研究针对LLM智能体现有自蒸馏方法的局限,提出OVCSD方法,经实验在ALFWorld和WebShop数据集上显著提升了智能体任务完成成功率。
2026-07-31 cs.AI
Skill-SD: Skill-Conditioned Self-Distillation for Multi-turn LLM Agents
Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences(中国科学院大学杭州高等研究院);The Chinese University of Hong Kong(香港中文大学);University of Science and Technology of China(中国科学技术大学);University of Chinese Academy of Sciences(中国科学院大学);vivo AI Lab(vivo AI实验室)
Skill-SD通过将代理自身轨迹转化为动态训练监督,结合重要加权反KL损失稳定训练,提升多轮LLM代理性能,实验显示优于标准RL和OPD方法。
2026-04-12 cs.AI cs.CL cs.LG
A Deep Hierarchical Approach to Lifelong Learning in Minecraft
Technion Israel Institute of Technology(以色列理工学院)
我们提出了一个终身学习系统,有能力重用和转移知识从一个任务到另一个,同时有效地保留以前学到的知识基础。在流行的视频游戏Minecraft中,知识通过学习可重用的技能来解决任务,这是一个未解决的高维终身学习问题。这些可重复使用的技能,我们称之为深度技能网络,然后使用两种技术将其纳入我们的新型分层深度强化学习网络(H-DRLN)架构:(1)深度技能阵列和(2)技能蒸馏,我们的策略蒸馏的新变体(Rusu et. 2015年,学习技能。技能蒸馏使HDRLN能够有效地保留知识,从而通过积累知识并将多种可重复使用的技能封装到单个蒸馏网络中来扩展终身学习。与常规的深度Q网络相比,H-DRLN表现出更优越的性能和更低的学习样本复杂度(Mnih et. 2015年)在Minecraft的子领域。
2016-11-30 cs.AI cs.LG
Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation
Harbin Institute of Technology(哈尔滨工业大学);Shanghai AI Laboratory(上海人工智能实验室);Shandong University(山东大学);Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学)
提出D-OPCD方法,将智能体改进提示词作为特权上下文蒸馏进扩散模型权重,使模型在无框架时保留部分增益,在四个基准上平均得分从60.52升至65.09,并支持框架与模型持续共同进化。
2026-10-07 cs.AI
RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning
Zhejiang University(浙江大学);Alibaba Group(阿里巴巴集团)
RetireOPD通过自适应退役机制,在智能体强化学习中利用技能条件化教师进行在策略蒸馏,显著提升ALFWorld和WebShop任务性能。
2026-09-29 cs.AI cs.CL
ASDA: Automated Skill Distillation and Adaptation for Financial Reasoning
The University of Hong Kong(香港大学)
ASDA通过迭代误差纠正学习生成结构化技能 artifact,无需修改模型权重,在金融推理任务中实现显著提升,优于无训练基线。
2026-09-09 cs.AI cs.CE cs.CL
APEx: Distillation of Agent Procedural Experience for Adaptive Deep Research Question Answering
University of Science and Technology of China(中国科学技术大学);ByteDance Inc.(字节跳动公司);Chinese Academy of Sciences(中国科学院)
APEx是分层经验利用框架,通过三阶段交替GRPO训练优化Executor、Distiller、Planner模块,经7个基准测试性能超GPT-5.4和最强记忆增强基线,实现自适应深度研究问答。
2026-09-03 cs.AI cs.CL
OptSkills: Learning Generalizable Optimization Skills from Problem Archetypes via Cluster-Based Distillation
East China Normal University(华东师范大学);Shanghai Innovation Institute(上海创新研究院);Ant Group(蚂蚁集团)
提出OptSkills系统,通过聚类问题原型、蒸馏成功轨迹为可复用工作流技能,并动态扩展技能库,提升优化建模与求解的分布内和分布外泛化能力。
2026-09-03 cs.AI cs.LG
Socratic Skill Learning: Interleaving Teaching and Practice for Transferable Agent Skills
Nanjing University(南京大学);Alibaba Group(阿里巴巴集团)
该研究提出苏格拉底式技能学习(SSL)方法,构建SkillTransferBench基准,发现交织教学与实践的SSL可提升智能体技能效用,问题引导SSL还能降低令牌使用量。
2026-10-14 cs.AI
EmoDistill: Offline Emotion Skill Distillation for Language Model Agents in Adversarial Negotiation
University of Cambridge(剑桥大学);Technical University of Munich(慕尼黑技术大学);Exiger LLC;The Alan Turing Institute(艾伦·图灵研究所)
提出EmoDistill离线框架,通过隐式Q学习选择情感和低秩适应策略表达情感,蒸馏情感谈判技能到语言模型代理,在四个高风险谈判领域取得最高效用。
2026-09-04 cs.AI cs.CL
SKILL-DISCO: Distilling and Compiling Agent Traces into Reusable Procedural Skills
Microsoft Research(微软研究院);Beijing Foreign Studies University(北京外国语大学)
提出SkillDisCo框架,从成功轨迹中蒸馏可重用参数化控制流子图并编译为可调用、可执行、可验证的程序性技能,在ALFWorld和WebArena上提升成功率并减少智能体步数。
2026-06-26 cs.AI
Skill Blocks: How Should an Agent Load Its Skill? A Caching-Correct Comparison of Pre-load, On-Demand Tool-Loading, Progressive Disclosure, and Hybrid
Microsoft(微软)
该研究比较四种智能体技能加载方法,发现Hybrid等方法可显著减少token使用,且无质量损失,条件加载在技能大部分无需每轮使用时最有益。
2026-08-18 cs.AI
M2Distill: Multi-Modal Distillation for Lifelong Imitation Learning
CSIRO(联邦科学与工业研究组织);DATA61;Queensland University of Technology(昆士兰科技大学)
针对终身模仿学习中的分布偏移与灾难性遗忘问题,提出多模态蒸馏方法M2Distill,通过跨模态潜在表示对齐与GMM策略差异最小化,在LIBERO基准上全面超越现有方法。
2025-03-07 cs.AI cs.CV cs.LG
SkillEvolver: Skill Learning as a Meta-Skill
Tsinghua University(清华大学);Beijing Jiaotong University(北京交通大学)
SkillEvolver通过元技能迭代生成、部署和优化领域特定技能,无需重新训练即可直接应用于任何智能体,其学习目标是技能的文本和代码而非模型权重,通过元技能自身作为技能加载,提升技能表现。
2026-05-11 cs.AI
Reinforcement Learning via Auxiliary Task Distillation
University of Wisconsin – Madison(威斯康星大学麦迪逊分校);Georgia Tech(佐治亚理工学院)
本文提出AuxDistill方法,通过多任务强化学习从辅助任务蒸馏行为,使RL能处理长时程机器人控制问题,在Habitat物体重排基准中成功率比基线高2.3倍。
2024-06-24 cs.AI cs.LG cs.RO
Coalition-Aware Skill Reliability for Self-Evolving Agents
该研究针对自进化智能体技能库的可靠性问题,提出CASS与u-SMCO两类干预措施,在多数据集上提升了任务性能与跨域泛化能力,还降低了强化学习对噪声奖励的敏感性。
2026-08-25 cs.AI
From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills
Fudan University(复旦大学);Microsoft Research(微软研究院);Shanghai Jiao Tong University(上海交通大学)
本文系统研究了模型生成技能在语言智能体中的全生命周期(经验生成、技能提取、技能消费),通过构建效用评估框架发现技能平均有益但存在负迁移,并提出了元技能以提升技能质量。
2026-05-22 cs.AI
Group-Reflective Self-Distillation for Agentic Reinforcement Learning
Baidu(百度)
该研究针对智能体强化学习中终端奖励监督粗粒度的问题,提出组内自蒸馏方法,利用策略自身已验证轨迹生成指导,细化回合级信用分配,在多环境多模型上性能优于基线且泛化性更好。
2026-08-04 cs.AI cs.LG
SkillGenBench: Benchmarking Skill Generation Pipelines for LLM Agents
SJTU(上海交通大学);XJTU(西安交通大学);NUS(新加坡国立大学);QuantaAlpha(量子Alpha);THU(清华大学);SUFE(上海财经大学);NTU(国立.ntu);PKU(北京大学);UCAS(中国科学技术大学)
本文提出SkillGenBench,一个用于评估LLM代理技能生成流水线的基准测试,通过统一可控的协议评估技能生成过程,涵盖任务条件生成和任务无关生成两种模式,以及基于仓库和文档的两种程序来源,揭示技能生成在不同数据源中的表现差异。
2026-05-18 cs.AI
Dynamic Agent Skills: A Lifecycle Survey and Taxonomy of Evolving Skill Libraries
Carnegie Mellon University(卡内基梅隆大学)
研究大型语言模型智能体中技能库随时间的变化,通过分类法、生命周期架构和技能记录模式等工具组织文献,合成证据分级模式,指出相关问题并提出报告标准及开放问题。
2026-07-14 cs.AI
ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation
Peking University(北京大学);Eastern Institute of Technology(东方理工学院);Renmin University of China(中国人民大学);TenFong Technology Co., Ltd.(十方科技有限公司);IM Motors Technology Co., Ltd.(智己汽车科技有限公司)
研究针对工业部件CAD中现有方法的不足,提出ArtisanCAD智能体,利用专家基础知识蒸馏,以CAD中间表示为核心,能弥合文本意图与CAD构建差距,在基准测试和汽车部件设计中表现良好,可生成可编辑模型。
2026-07-09 cs.AI cs.GR
Guardrails Beat Guidance: A Large-Scale Study of Rules, Skills, and Persistent Configuration for Coding Agents
AWS Generative AI Innovation Center(AWS生成式人工智能创新中心);HSBC Holdings Plc., HSBC Technology Center, China(汇丰控股有限公司,汇丰技术中心,中国)
通过大规模实验发现,随机规则与专家规则对编码智能体性能提升相当,且有益规则均为负面约束,有害规则均为正面指令,提出应使用约束而非指导来配置智能体。
2026-05-28 cs.AI cs.CL
Reason Wide, Not Deep: Amortizing the Reasoning Premium into Distilled Skills
Microsoft(微软公司)
该研究提出将推理模式的重复分摊为跨任务提炼的技能,在四个智能体基准上大幅降低代币量的同时恢复多数推理性能,部分场景下优于推理模式。
2026-08-11 cs.AI
SIRI: Self-Internalizing Reinforcement Learning with Intrinsic Skills for LLM Agent Training
Xiamen University(厦门大学);Meituan(美团);Macao Polytechnic University(澳门 polytechnic 大学)
提出SIRI框架,通过自我技能挖掘、验证和内化,使LLM智能体无需外部技能生成器或推理时技能库即可提升长程任务性能,在ALFWorld和WebShop上优于基线方法。
2026-11-17 cs.AI cs.LG
SkillS: Adaptive Skill Sequencing for Efficient Temporally-Extended Exploration
DeepMind(深度思维)
有效重用先验知识的能力是构建通用和灵活的强化学习(RL)代理时的关键要求。技能重用是最常用的方法之一,但现有方法存在相当大的局限性,例如,对现有策略进行微调经常失败,因为策略在训练早期可能会迅速降级。类似地,当给定次优专家时,专家行为的蒸馏可能导致较差的结果。我们比较了几种常见的方法在多个领域的技能转移,包括在任务和系统动力学的变化。我们确定现有的方法可能会失败,并引入一种替代方法来减轻这些问题。我们的方法学习对现有的临时扩展技能进行排序,但直接从原始经验中学习最终策略。这种概念上的分裂,使快速适应,从而有效的数据汇集,但没有约束的最终solution.It显着优于许多经典的方法在一套评估任务,我们使用了广泛的消融,突出我们的方法的重要性differtc组件。
2023-01-11 cs.AI cs.LG cs.RO
Dual Policy Distillation
Texas A&M University(德州农工大学)
策略蒸馏将教师策略转换为学生策略,在深度强化学习的挑战性任务中取得了巨大成功。这种师生框架需要一个训练有素的教师模型,这是计算昂贵的。此外,如果教师模型不是最优的,则学生模型的性能可能受到教师模型的限制。在合作学习的光,我们研究的可行性,涉及共同的智力努力,从学生模型的不同角度。在这项工作中,我们介绍了双政策蒸馏(DPD),学生学生的框架中,两个学习者在同一个环境中,探索不同的角度的环境和提取知识,以提高他们的学习。开发这种双重学习框架的关键挑战是识别来自当代基于学习的强化学习算法的对等学习者的有益知识,因为尚不清楚从不完美和嘈杂的对等学习者中提取的知识是否有用。为了应对这一挑战,我们从理论上证明,从同行学习者的知识提取将导致政策的改进,并提出了不利的蒸馏策略的理论结果的基础上。几个连续控制任务的实验表明,该框架实现了卓越的性能与基于学习的代理和函数逼近,而不使用昂贵的教师模型。
2020-06-07 cs.AI cs.LG
On-Policy Distillation for LLM Safety: A Routing Approach to Template-Robust Realignment
Tsinghua University(清华大学);Swinburne University of Technology(斯威本科技大学);EPFL(洛桑联邦理工学院)
针对现有LLM安全防御的模板鲁棒性不足等问题,提出ROPD框架,通过建模输出分布差异实现重对齐,大幅降低模板不匹配风险,在防御有效性和能力保留上优于基线方法,建立了新的鲁棒重对齐标准。
2026-07-30 cs.AI cs.CL cs.CR
When Should Agent Trust Be Conditional? Characterizing and Attacking Skill-Conditional Reputation in Agent Swarms
Shenzhen University(深圳大学)
研究异构LLM智能体群中技能条件信任的适用条件,通过相图分析揭示其在高异质性、稀疏证据和技能相关场景下有效,但存在跨技能证据被攻击者利用的风险,提出条件信息值测试(CIVT)量化攻击影响。
2026-06-15 cs.AI cs.LG
Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills
Beijing Academy of Artificial Intelligence(北京人工智能研究院);University of Science and Technology of China(中国科学技术大学);Renmin University of China(中国人民大学);Hong Kong Polytechnic University(香港理工大学)
该研究提出DisCo智能体,可将GitHub仓库提炼为技能,构建含5000+技能的AREX-Skill Library,使研究智能体在多个基准测试中得分显著提升。
2026-09-03 cs.AI cs.CL
Unmasking On-Policy Distillation: Where It Helps, Where It Hurts, and Why
Apple(苹果公司)
研究探讨在线策略蒸馏在不同场景下的有效性,提出基于梯度对齐度的诊断方法,发现蒸馏信号在学生表现不佳时更有效,且最优上下文依赖学生模型能力和任务需求。
2026-09-09 cs.AI cs.LG
Never-Ending Behavior-Cloning Agent for Robotic Manipulation
State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences(机器人国家重点实验室,沈阳自动化研究所,中国科学院);University of Chinese Academy of Sciences(中国科学院大学);School of Automation Science and Engineering, South China University of Technology(自动化科学与工程学院,华南理工大学);Mohamed bin Zayed University of Artificial Intelligence(马斯达尔大学人工智能学院)
本文提出NBAgent,通过持续学习技能共享和特定属性,解决具身机器人中3D场景表示和人类水平任务学习的挑战。
2025-12-26 cs.AI cs.RO
The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading
本文研究了人工智能工具对工人生产力的影响,发现尽管短期生产力提升,但持续使用会侵蚀工人技能。通过动态模型分析,发现即使预期技能损耗,理性决策者仍可能在短期收益大于长期成本时采用AI,导致稳态损失。此外,当管理者短视或工人技能具有外部价值时,决策者可能陷入增强陷阱,使工人状况恶化。最后,当AI生产力与工人技能关联较弱时,工人技能可能永久分化,经验丰富的工人实现潜力,而经验不足的工人技能降至零。
2026-06-26 cs.AI cs.HC
Teachable Reinforcement Learning via Advice Distillation
UC Berkeley(加州大学伯克利分校);MIT(麻省理工学院)
训练自动化代理在交互式环境中完成复杂任务是具有挑战性的:强化学习需要仔细手工设计奖励函数,模仿学习需要专门的基础设施和访问人类专家,从中间形式的监督(如二元偏好)中学习是耗时的,并且从每次人类干预中提取的信息很少。我们能否通过构建从丰富的交互式反馈中学习的智能体来克服这些挑战?我们提出了一个新的监督模式,互动学习的基础上“可教”的决策系统,从外部教师提供的结构化建议。我们首先正式一类人在循环决策问题,其中多种形式的教师提供的建议是提供给学习者。然后,我们描述了一个简单的学习算法,这些问题,首先学习解释的意见,然后从意见,即使在没有人的监督下完成任务。在解谜,导航和运动领域,我们表明,从建议中学习的代理可以获得新的技能,与标准的强化学习算法相比,人工监督明显减少,而且往往少于模仿学习。
2023-02-18 cs.AI cs.LG
SoK: Agentic Skills -- Beyond Tool Use in LLM Agents
University of Technology Sydney(悉尼科技大学);CSIRO Data61(CSIRO数据61)
本文探讨了代理技能在LLM代理中的应用,分析了技能的生命周期管理、分类方法及其安全影响,并提出了未来研究挑战。
2026-02-24 cs.AI cs.CE cs.CR
Knowledge Distillation with Structured Chain-of-Thought for Text-to-SQL
本文提出Struct-SQL框架,通过结构化思维链知识蒸馏提升小型语言模型在文本到SQL任务中的性能,实现8.1%的准确率提升。
2026-03-11 cs.AI cs.CL cs.DB
RE-0: Verified Recursive Improvement of Embodied Code-as-Policy Agents through Local On-Policy Distillation
RE-0提出递归验证的改进框架,通过局部在线蒸馏利用教师修正提升代码即策略具身智能体,并证明其增益下界,实验验证了有效性。
2026-09-29 cs.AI cs.LG cs.RO
Beyond Answers: Transferring Reasoning Capabilities to Smaller LLMs Using Multi-Teacher Knowledge Distillation
University of Notre Dame(圣母大学);University of Michigan(密歇根大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出TinyLLM多教师知识蒸馏范式,通过让学生LLM学习多个大型教师LLM的答案与推理依据,并引入上下文示例生成器和teacher-forcing Chain-of-Thought策略,在六个数据集上以更小模型规模显著超越大型教师LLM。
2024-11-23 cs.AI cs.CL cs.LG