PivotOPD — это метод дистилляции для мульти-turn агентов, который учит их избегать самых вредоносных ранних ошибок и восстанавливаться после них. На тесте с моделью Qwen3-8B метод достиг 72.7% восстановления от критических ошибок, что значительно выше 20.3% у стандартного метода.
PivotOPD продемонстрировал лучшие средние результаты на бенчмарках ALFWorld, WebShop и Search-based QA по сравнению с 13 другими методами. Метод был протестирован на студенческих моделях Qwen3-1.7B и Qwen3-8B, а также на Nemotron-3.5-SFT на SWE-Bench Verified.