arXiv · NLP· Yihao Hu, Zhihao Wen, Yitong Lin, Siyuan Lu, Pan Wang, Wei Wu, Jiang-Ming Yang, Tao Lin·· 3 小时前AI 评分42
Trajectory2Gym：面向工具使用智能体的决策落地组合交互合成
Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents
AI 导读
Trajectory2Gym通过构建可执行交互并仅从落地决策中提取监督信号，在五个Qwen3规模上使Tau1、Tau2及BFCL的三基准等权平均提升16.9至29.8个百分点。 该方法强调组合覆盖与决策落地，采用结构支持选择分配经验，并利用父级归一化监督微调保留语义交互作为训练权重单位。 结果显示，该框架在状态依赖和多轮交互场景中的增益最为显著，验证了构建可学习交互经验比单纯收集成功轨迹更为关键。
来源：arXiv · NLP · arxiv.org