标签
本文介绍了Lightning Weave，一个通过在线策略蒸馏将独立训练的推理能力组合成单一高效模型的框架，从而在数学和代码任务中提高准确率并减少令牌使用。
本文提出AKBE，一种用于LLM智能体强化学习的在策略方法，能够动态判断何时需要使用工具以及何时内部知识足够，平均准确率提升+1.85，工具调用次数相比标准智能体RL减少18%。