Trajectory2Gym : une nouvelle méthode pour entraîner des agents à l'usage d'outils
En bref
- Trajectory2Gym cible les dépendances multi-étapes dans les trajectoires d'agents outils.
- La méthode génère des interactions exécutables avec supervision ancrée dans l'historique visible.
- Amélioration de 16,9 à 29,8 points sur trois benchmarks pour Qwen3 selon l'annonce.
Des chercheurs proposent Trajectory2Gym, une méthode pour améliorer l'entraînement des agents capables d'utiliser des outils. Selon l'annonce, les trajectoires réussies ne suffisent pas toujours comme supervision, car elles peuvent omettre des dépendances multi-étapes ou inclure des actions non justifiées par l'historique visible de l'agent.
Trajectory2Gym construit des interactions exécutables en ciblant les structures compositionnelles sous-représentées et en dérivant la supervision uniquement à partir de décisions ancrées dans l'historique accessible. Testée sur cinq échelles du modèle Qwen3, la méthode améliore les performances sur trois benchmarks (Tau1, Tau2, BFCL) de 16,9 à 29,8 points en moyenne, avec des gains plus marqués dans les interactions multi-tours et dépendantes de l'état.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez Hugging Face Daily Papers.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur