arXiv · ML· Zhenbang Du, Jun Luo, Zhiwei Zheng, Xiangchi Yuan, Kejing Xia, Dachuan Shi, Qirui Jin, Qijia He, Shaofeng Zou, Yingbin Liang, Wenke Lee·· 2026-10-12AI 评分30
PACT:面向多轮工具使用智能体的特权轨迹协同训练框架
PACT: Privileged Trace Co-Training for Multi-Turn Tool-Use Agents
AI 导读
PACT 提出一种协同训练框架,通过特权轨迹信号优化多轮工具使用智能体,在 FTRL 等基准测试中表现优于基线。 该框架使用专家轨迹作为训练优化信号而非提示线索,结合轨迹条件强化学习与组件感知 SFT 损失,并通过纯提示锚定防止过拟合。 实验结果验证了两种训练目标及组件监督的有效性,提升了智能体在复杂交互中的适应性与性能。
来源:arXiv · ML · arxiv.org