ToolOPD框架提升小模型工具调用能力

2026年10月20日，arXiv发布论文《ToolOPD: 用于工具使用智能体的信用感知在线策略蒸馏》，由Chu Zhao等人提出并验证。 ToolOPD是一种面向长程工具使用的结果感知在线策略蒸馏框架，旨在解决现有方法在长程任务中的局限性，显著增强小语言模型的工具调用能力。 该方法通过总结轨迹结果为可复用的事后技能，并衡量其对教师模型概率的影响生成信用权重，进而联合强化学习进行优化。 在多项长程工具交互基准测试中，实验结果显示ToolOPD的性能显著优于现有的强化学习和自蒸馏基线方法。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。