arXiv · cs.AI· Thomas Zeng, Zelei Cheng, Mingyang Zhou, Sambit Sahu, William Campbell, Genta Indra Winata·· 4 小时前
超越纠正动作：在文本批评上训练LLM智能体
Beyond Corrected Actions: Training LLM Agents on Textual Critiques
arXiv:2610.19367v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Thomas Zeng, Zelei Cheng, Mingyang Zhou, Sambit Sahu, William Campbell, Genta Indra Winata
研究任务与主要进展
研究者提出批判增强智能体微调框架CAFT，让专家模型在学生错误动作之外生成解释错误原因的文本批评，并将两类反馈共同用于微调。基于论文摘要，在Nemotron 3和Gemma 4家族的四个学生模型、τ²-Bench Airline+Retail与WebShop任务上，加入文本批评相较仅进行动作蒸馏平均提升8%；CAFT检查点还被报告为强化学习提供优于专家轨迹蒸馏的起点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org