PACT：用专家轨迹作特权信号训练多轮工具调用智能体

Zhenbang Du 等研究者在 arXiv 论文中提出 PACT（Privileged Trace Co-Training），用于多轮工具调用智能体的后训练：rollout 仅由提示生成，专家轨迹作为训练时的特权优化信号，避免推理时依赖专家轨迹。 具体机制包含两个互补信号：一是轨迹条件化的 RL 代理目标，在专家轨迹上下文中评估仅提示生成的 rollout；二是分组件的 SFT 损失，对推理和工具调用部分提供退火的过程监督。在 FTRL、BFCL、ToolHop 三个基准上，作者称 PACT 一致优于强 SFT 与 RL 基线。以上为论文作者声称，基于论文摘要。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。