深度解析：Agent 框架如何通过轨迹塑造提升 LLM 泛化能力

a1zhang · x · 2026-07-23

针对模型泛化能力的讨论，作者进一步澄清了实验设计：评估阶段特意引入了与训练时不同的任务长度或主题。实验表明，对包含外部框架的模型进行 RL 训练，比直接训练基础 LLM 具有更好的分布外泛化效果。作者指出，虽然使用任意标准框架未必能带来同样的提升，但核心在于框架能为底层模型的单次调用塑造「逐 token」的输入轨迹。实验观察证明，这种经过塑造的轨迹对于模型在评估任务中的表现至关重要。