NVIDIA 研究人员推出 PivotOPD，训练 AI Agent 自我纠错

NVIDIA 研究人员推出了 PivotOPD 方法，旨在训练 AI Agent 避免在执行任务时早期犯错，并在发生错误时能够及时纠正，而不是沿着错误方向继续进行。

在训练过程中，教师模型会向 Agent 展示更优动作，并演示如何在接下来的几步中重回正轨。NVIDIA 已在 [PivotOPD project page](https://research.nvidia.com/labs/lpr/pivotopd) 上发布了该研究论文和演示视频。