NVIDIA 提出 PivotOPD 方法，提升多轮 AI Agent 从关键错误中恢复的能力

NVIDIA 联合普林斯顿大学等推出 PivotOPD，一种针对多轮 LLM Agent 的在线策略蒸馏方法。该方法在 Qwen3-1.7B/8B 模型上实现 72.7% 的关键错误恢复率，远超标准 OPD 的 20.3%，并在 ALFWorld 等基准测试中取得最佳平均成绩。PivotOPD 不增加推理成本，但依赖可重放环境且代码尚未开源。