**AdviSD:通过目标多轮自蒸馏提升前沿LLM顾问性能** _AdviSD: Learning to Advise Frontier LLMs via T
原帖
**AdviSD:通过目标多轮自蒸馏提升前沿LLM顾问性能**
_AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation_
> 提出AdviSD方法,利用小模型顾问通过自然语言指导冻结的执行模型。该方法结合基于结果的强化学习与选择性自蒸馏,通过评估建议对执行结果的影响差异来筛选监督信号,无需额外执行器采样。实验显示,AdviSD在BFCL-v3和EnvScaler基准上显著优于基线,且具备跨模型家族和域外任务的泛化能力。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38142)