**PivotOPD:通过关键错误恢复训练提升多轮智能体性能**

_PivotOPD: Learning to Recover from Pivotal Mistakes in Multi-Turn Agents_

> 针对多轮交互中错误累积问题,NVIDIA 提出 PivotOPD 框架。该方法识别导致任务偏离的“关键错误”,结合预防性蒸馏(反向 KL)与恢复性蒸馏(正向 KL),训练模型避免错误并学会从错误状态中恢复。实验显示,PivotOPD 在 ALFWorld、WebShop 等基准上显著优于 13 个基线,并在 SWE-Bench 上验证了跨领域泛化能力。

**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/2609.40285)