PivotOPD：让多轮智能体从关键错误中恢复的在线策略蒸馏框架

PivotOPD 是一个在线策略蒸馏框架，同时训练学生模型预防关键错误并从其造成的状态中恢复。研究在三个 Qwen3 模型（8B 至 235B）上发现，超过一半的失败轨迹包含一个关键错误，且通常出现在早期，但引导模型在关键轮次后仅几轮即可恢复任务成功。