arXiv · ML· Cheng-Yu Hsieh, Ting-Yao Hu, Sanjoy Chowdhury, Fatih Ilhan, Oncel Tuzel, Raviteja Vemulapalli·· 7 天前AI 评分30
JudgeMix: 基于裁判引导的混合轨迹数据合成 LLM 智能体训练方法
JudgeMix: Judge-Guided Mixed-Rollout Data Synthesis for LLM Agents
AI 导读
JudgeMix 提出裁判引导的数据合成框架,解决 LLM 智能体训练中的分布不匹配问题,在 AppWorld 和 AutomationBench 基准上提升最高 10 个 pass@1 点。 该框架根据逐步语义评估动态穿插目标模型与专家混合轨迹,仅在目标模型困难时调用专家指导,并利用裁判评估重新加权专家监督信号。
来源:arXiv · ML · arxiv.org