#评论员模型

Caddie：从任务结果训练 LLM 智能体评论员

研究者提出 Caddie 方法，通过强化学习训练评论员（critic）在智能体执行任务时提供自然语言分析与建议，训练时冻结基座模型，仅以任务最终成败作为奖励信号。基于 Qwen3-4B 训练的评论员在 MuSiQue 多跳问答上让 Qwen3-4B 成功率提升超 25 个百分点，并跨四种不同规模与…