NVIDIA учит агентов восстанавливаться — 72,7% против 20,3%

Исследователи NVIDIA вместе с Принстонским университетом и Университетом Мэриленда представили метод PivotOPD, который учит ИИ-агентов для многошаговых задач восстанавливаться после самой вредной ранней ошибки: агент восстанавливается после 72,7% воспроизведённых ключевых ошибок, у стандартного OPD этот показатель равен 20,3%. Метод обучает агента не допускать такой ошибки и выходить из неё, если она всё же случилась. На 13 базовых методах PivotOPD показал лучший средний результат на ALFWorld, WebShop и Search-based QA для студентов Qwen3-1.7B и Qwen3-8B.

Это метод обучения, а не новая модель, и он не добавляет затрат на инференс. Для рынка из текста следует одно: обученный агент работает там же, где его базовая модель.