Trajectory2Gym 提升 Qwen3 工具代理效能，平均增 16.9-29.8 個百分點
研究提出 Trajectory2Gym 框架，透過構建具備決策依據的互動資料，在 Qwen3 模型上顯著提升工具使用能力。
本文重點
- 研究提出 Trajectory2Gym 框架，旨在提升 Qwen3 的工具使用能力。
- 在 Tau1、Tau2 和 BFCL 基準測試上，平均分數提升 16.9 至 29.8 個百分點。
- Hugging Face 上目前沒有公開連結到該論文的模型或資料集。
- 本站上線
- 2026/10/27 下午01:28
- 首次報導
- 2026/10/27 下午12:00
- 最早來源發布
- 2026/10/27 下午12:00
研究在做什麼
成功的工具使用軌跡未必是有用的監督資料。即使互動成功，軌跡可能未能充分呈現多步驟的依賴關係，或包含代理在決策當下無法從可見資訊中獲得依據的動作。研究指出，有效的軌跡監督需滿足兩個耦合要求：一是組合覆蓋（compositional coverage，確保重要的觀察與動作依賴關係被呈現）；二是決策依據（decision grounding，確保每個被監督的動作都能由學習者可見的互動歷史所支持）。 arXiv cs.CL
方法
研究提出 Trajectory2Gym 框架，將軌跡生成重新定義為刻意構建可學習的互動經驗，而非單純收集成功軌跡。該方法圍繞支援不足的組合結構構建可執行的互動，並僅從其實現執行中具備決策依據的決策導出監督。框架利用結構支援選擇（Structural-support selection）來分配產生的經驗，並採用父項正規化的監督微調（parent-normalized supervised fine-tuning），以語義互動作為訓練權重的單位。 arXiv cs.CL
結果
在 Qwen3 的五種模型規模測試中，Trajectory2Gym 在 Tau1、Tau2 和 BFCL 三個基準測試上均提升效能。在等權重的三基準平均分數上，提升幅度為 16.9 至 29.8 個百分點。研究顯示，在狀態化（stateful，即系統需記住先前互動狀態）和多輪互動任務中增益最為顯著，這類任務的後續決策依賴於早期的觀察與回饋。結果表明，擴展工具使用代理的能力不僅取決於收集更多成功軌跡，更取決於構建那些依賴關係被呈現、且決策可從代理可見歷史中學習的互動。 arXiv cs.CL
接下來要看的事
- Trajectory2Gym 在其他非 Qwen3 系列模型上的泛化能力如何？
- 該框架在處理極長上下文或複雜多工具協同任務時的具體表現？
- 是否有開源代碼或資料集可供社群驗證其決策依據評估方法？
程式碼與資料
本站 2026-10-27 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：ant-international
- 程式碼：yihaohu0118/Trajectory2Gym｜3 顆星｜最後更新 2026-10-24｜授權 Apache-2.0
- 專案網頁：https://yihaohu0118.github.io/Trajectory2Gym-page/
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源：佐證 1 筆
媒體轉述新聞媒體的報導
- arXiv cs.CL · Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents10/27 下午12:00
這篇對你有用嗎？
留言 0
- 還沒有留言，第一則就是你的。
留言不用登入；名字選填，沒填就顯示「匿名會員」。含連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。