Trajectory2Gym：面向工具使用智能体的决策落地组合交互合成

Trajectory2Gym框架通过构建可执行交互并仅从落地决策中提取监督信号，在五个Qwen3规模上使Tau1、Tau2及BFCL的三基准等权平均提升16.9至29.8个百分点。 该方法强调组合覆盖与决策落地，采用结构支持选择分配经验，并利用父级归一化监督微调保留语义交互作为训练权重单位。 结果显示，该框架在状态依赖和多轮交互场景中的增益最为显著，验证了构建可学习交互经验比单纯收集成功轨迹更为关键。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。