跳到正文
arXiv · AI· Yoonho Choi, Taehyeon Han, Seonghyeon Lee·· 2 天前AI 评分25

JET:面向仓库级问答中工具调用智能体的适度探索微调方法

JET: Just-Enough Exploration Tuning for Efficient Tool-Calling Agents in Repository-Level Question Answering

AI 导读

summary_zh: 提出 JET 微调方法,通过截断 LLM 智能体的冗余探索轨迹以解决过度探索问题。 在两个仓库级 QA 基准及 8B 开放权重模型上,JET 在自生成轨迹中将工具调用减少 11% 至 33%,在专家轨迹中比 SFT 减少 18% 至 28%,同时保持得分并降低推理成本。

来源:arXiv · AI · arxiv.org