研究提出长程工具调用智能体的比较价值估计方法
原文标题：Choosing Before Acting: Comparative Value Estimation for Long-Horizon 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。
论文指出长程工具调用中，最终结果奖励对中间决策的信用分配较弱，而步级监督往往依赖人工或额外采样。为此提出 CITA，训练比较推理模型 CIM，从工具行为、贝叶斯工具图模拟器监督与 LLM 比较判断中学习，估计候选工具调用对任务成功的价值。在三个工具使用基准与多个基座模型上，CITA 持续提升 Tool F1 与任务成功率。
- 问题
- 长程工具调用中最终结果奖励对中间决策信用分配太弱，步级监督又依赖人工或额外采样。
- 方法
- CITA训练比较推理模型CIM，用工具行为、贝叶斯工具图模拟器监督与LLM比较判断的配对信号估计候选调用的长期价值。
- 结果
- 在三个工具使用基准与多个基座模型上持续提升Tool F1与任务成功率。
- 影响
- 工具Agent可在执行前评估候选调用价值，减少无效试错与长程信用分配难题。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CITA用贝叶斯工具图+LLM比较训练价值模型，三个基准上Tool F1与成功率齐升
- •问题：长程工具调用中最终结果奖励对中间决策信用分配弱，步级监督又依赖人工或额外采样
- •方案：训练比较推理模型CIM，融合工具行为、贝叶斯工具图模拟器监督与LLM比较判断
- •目标：执行前估计候选工具调用对任务成功的价值，而非事后归因
- •结果：在三个工具使用基准与多个基座模型上持续提升Tool F1与任务成功率
- •分析显示CIM学到较准确的步级价值估计
为什么重要：为工具调用智能体提供了可扩展的步级信用分配路径，减少对人工标注与额外rollout的依赖，对做Agent RL的团队有直接参考价值。
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。