Trajectory2Gym：面向工具使用智能体的决策接地交互合成

论文提出从接地决策构造交互经验来训练工具使用智能体。

资讯摘要

论文指出，成功的工具使用轨迹未必是有用的监督信号，可能缺少多步依赖覆盖，或包含决策时不可见信息支撑的动作。作者提出 Trajectory2Gym，围绕支撑不足的组合结构构造可执行交互，仅从已实现执行中的接地决策提取监督，并用结构支撑选择分配经验、以父级归一化监督微调保留语义交互为训练权重单位。作者报告在五个 Qwen3 规模上，Tau1、Tau2 与 BFCL 均提升，三项基准等权均值提高 16.9–29.8 个百分点，状态化与多轮交互增益最强。

要点速读

1. 论文识别轨迹监督的两项要求：组合覆盖与决策接地。
2. Trajectory2Gym 构造可执行交互，仅从接地决策提取监督。
3. 作者报告在五个 Qwen3 规模上三项基准等权均值提升 16.9–29.8 个百分点。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。