arXiv cs.CL· Zhenbang Du, Jun Luo, Zhiwei Zheng, Xiangchi Yuan, Kejing Xia, Dachuan Shi, Qirui Jin, Qijia He, Shaofeng Zou, Yingbin Liang, Wenke Lee·· 2 小时前AI 评分28
PACT：面向多轮工具调用智能体的特权轨迹协同训练框架
PACT: Privileged Trace Co-Training for Multi-Turn Tool-Use Agents
AI 导读
研究者提出 PACT，一种面向多轮工具调用智能体的特权轨迹协同训练框架，将专家轨迹仅用作训练时的优化信号而非 rollout 时的提示。PACT 通过轨迹条件 RL 代理和组件感知 SFT 损失两个互补信号引导优化，并加入 prompt-only 锚定。在 FTRL、BFCL 和 ToolHop 上，PACT 持续优于强 SFT 和 RL 基线。
来源：arXiv cs.CL · arxiv.org