★ 2
CAFT：用文本批评监督训练 LLM 智能体
该论文提出 Critique-Augmented Agentic Fine-Tuning（CAFT）框架，让专家模型在学生模型生成轨迹的每个错误动作上同时给出修正动作和文本批评，并将批评作为微调目标。在 Nemotron 3 与 Gemma 4 四个学生模型、τ²-Bench Airline+Re…
arXiv NLP18 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文提出 Critique-Augmented Agentic Fine-Tuning（CAFT）框架，让专家模型在学生模型生成轨迹的每个错误动作上同时给出修正动作和文本批评，并将批评作为微调目标。在 Nemotron 3 与 Gemma 4 四个学生模型、τ²-Bench Airline+Re…