Trajectory2Gym：面向工具使用代理的决策 grounded 组合式交互合成
Trajectory2Gym 是一种为工具使用型 AI 代理构建更有效训练数据的方法。研究人员指出，成功的交互轨迹不一定能提供良好的监督信号：它们可能缺少多步依赖关系，或包含无法由代理在决策时可见的历史支持的行动。该方法围绕支持不足的组合结构构建可执行交互，并仅使用由执行过程中代理可见历史所支持的决策进行训练。在五种 Qwen3 模型规模上，Trajectory2Gym 均提升了 Tau1、Tau2 和 BFCL 的表现；三项基准测试的等权平均提高了 16.9 至 29.8 个百分点。提升在有状态和多轮交互任务中最为明显。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。