Le filThèmes : RechercheAgents
Agir d’abord, raisonner ensuite : accélérer la distillation on-policy pour les agents multi-tours via une dynamique inverse conditionnée par une référence
1 sourcemis à jour 30 sept.pertinence 3,2 sur5
L’essentiel
La distillation on-policy (OPD) entraîne des agents de langage multi-tours avec une supervision dense de l’enseignant sur les réponses générées par l’étudiant.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZubin Zheng, Jiahao Wu, Shaofeng Zhang et al.huggingface.co
Act First, Reason Later: Accelerating On-Policy Distillation for Multi-Turn Agents via Reference-Conditioned Inverse Dynamics (site externe)
On-policy distillation (OPD) trains multi-turn language agents with dense teacher supervision on student-generated responses.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5