蚂蚁国际与西湖大学提出 Trajectory2Gym:为工具使用智能体构造决策可溯源的训练数据
ant-intl · hf · 2026-10-27
蚂蚁国际与西湖大学在 Hugging Face 发布 Trajectory2Gym(2026 年 10 月 24 日),针对工具使用智能体训练数据的核心问题:成功的工具调用轨迹未必是有效监督——即使交互成功,也可能低估多步依赖,或包含在决策时点信息不足以支撑的动作。
论文提出有效轨迹监督需要满足两个耦合条件:
- 组合覆盖(compositional coverage):重要的「观察-动作对」组合都要被表征到
- 决策可溯源(decision grounding):每个监督动作都必须由智能体当时可见的交互历史支撑
方法上,Trajectory2Gym 围绕支撑不足的组合结构构造可执行交互,只从真实执行中被溯源支持的决策中提取监督;用结构支撑选择来分配经验,并以父节点归一化的监督微调保留语义交互作为训练权重单位。这将轨迹生成从「收集成功轨迹」重构为「刻意构造可学习的交互经验」。据摘要,在五个 Qwen3 规模上,Trajectory2Gym 在 Tau1 相关基准上取得提升。代码与数据已开源。
「编程与Agent」频道最新
- DeepSeek V4.1 Flash 上架 Cursor,每任务 $0.60 起、霸榜成本前沿 — dean_rie · 2026-10-27
- 用 Claude Code 做幻灯片脱敏：占位符换回真实数据时排版为何崩了 — shoumikgoswami · 2026-10-27
- 用 Claude 在 Tella 里剪 iPhone Duo 评测视频，创作者实测 agent 剪辑 — evielync · 2026-10-27
- 八校联合提出 Work Agents 统一框架：模型加运行时执行数字任务 — Zishan Xu · 2026-10-27
- Hermes Desktop 网页版上线:任意浏览器远程访问,切 main 通道可抢先体验 — Teknium · 2026-10-27
- 创作者回流:Claude Duet 用不惯,回到 Claude Code projects — bilawalsidhu · 2026-10-27