跳到正文
arXiv · NLP· Abhijit Kumar, Zoey Wu, Mohit Suley·· 10 天前AI 评分26

CARL:面向 LLM 工具调用的段级信用分配方法

Knowing When to Ask: Segment-Level Credit Assignment for LLM Tool Use

AI 导读

CARL 通过段级信用分配训练 LLM 工具调用,在 7B 模型上将三个搜索基准平均准确率提升 6.7 分。 CARL 利用代码围栏等自然边界分解 rollout,从单一二元结果独立计算各段优势,无需外部评判。 在 7B 规模下,CARL 的工具调用率比 Search-R1 PPO 低 53%,准确率却高出 9.8 分。

来源:arXiv · NLP · arxiv.org