arXiv · NLP· Han Bao, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye·· 6 小时前AI 评分38
基于 StaGPO 训练的 Qwen3.5-2B 在弱用户场景下的工具调用 Agent 表现
Not Every User Says It All: Training Tool-Using Agents Beyond Ideal Simulated Users
AI 导读
summary_zh: 研究人员提出 StaGPO 算法，使基于 Qwen3.5-2B 的 Agent 在弱用户场景下实现最佳性能。 该模型在 ToolWOZ 上对弱用户成功率达 76.8%，比 GRPO 高 4.8 分，且优于其他基线。
来源：arXiv · NLP · arxiv.org