自我挑战语言模型代理新范式，提升工具使用能力

自我挑战语言模型代理
:
http://arxiv.org/abs/2506.01716

训练LLM代理使用不同工具的新范式，仅使用具有挑战性的自我生成数据：自我挑战代理（SCA）既提出新任务又解决它们，使用自我生成的验证器为RL训练提供奖励。

在自我合成的工具使用轨迹上训练，SCA显著提升基础LLM的工具使用能力，在TauBench和M3ToolEval上提升超过2倍。
1/4