Trajectory2Gym：面向工具调用智能体的可学习交互合成
原文标题：Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文指出成功的工具调用轨迹未必是有效监督，提出 Trajectory2Gym 框架，围绕组合覆盖与决策落地两项要求构造可执行交互，并仅从有据可依的决策中提取监督信号。在 Qwen3 五个规模上，Tau1、Tau2、BFCL 三基准均值提升 16.9–29.8 个百分点，多轮有状态交互增益最明显。
- 问题
- 工具调用智能体的成功轨迹未必是有效监督，含未被可见信息支撑的动作。
- 方法
- 围绕组合覆盖与决策落地构造可执行交互，只从有据可依的决策提取监督，并按父级归一化加权。
- 结果
- Qwen3 五个规模上 Tau1、Tau2、BFCL 三基准均值提升 16.9–29.8 个百分点，多轮有状态交互增益最大。
- 影响
- 提示工具调用智能体的瓶颈在数据构造而非数量，可直接改造训练数据流水线。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Trajectory2Gym重构工具调用监督，Qwen3五个规模上三基准均值提升16.9–29.8个百分点。
- •核心论点：成功的工具调用轨迹未必是有效监督，可能缺少多步依赖或含决策时不可见的动作。
- •提出两项要求：组合覆盖（重要观察-动作依赖被表示）与决策落地（每个动作有可见历史支撑）。
- •方法围绕支撑不足的组合结构构造可执行交互，仅从有据可依的决策中提取监督。
- •在Qwen3五个规模上，Tau1、Tau2、BFCL三基准等权均值提升16.9–29.8个百分点。
- •增益在多轮有状态交互中最明显，即后续决策依赖早期观察与反馈的场景。
为什么重要：工具调用智能体的瓶颈可能不在轨迹数量而在轨迹质量，这对靠堆成功轨迹做SFT的团队是直接的方法论修正。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。