发布RobustBench-TC基准与ToolRL-DR方法
热点事件持续更新
发布RobustBench-TC基准与ToolRL-DR方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
论文作者团队发布工具使用智能体的sim-to-real鲁棒性基准RobustBench-TC及配套的领域随机化强化学习训练方案ToolRL-DR，用于应对真实部署中的工具调用故障。 基准包含22种四类POMDP扰动，每种均有已核实的GitHub问题或已记录的工具调用失败作为依据。在21个1.5B至32B参数规模模型（含闭源o4-mini）上评测显示：观测扰动使准确率下降不到5%，而奖励相关和转移扰动分别使准确率下降约40%和30%。 在3B骨干模型上，ToolRL-DR-Full保留约四分之三的干净准确率。数据集、代码和基准排行榜已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
RobustBench-TC：工具使用智能体的Sim-to-Real基准与领域随机化强化学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIRobustBench-TC：工具使用智能体的Sim-to-Real基准与领域随机化强化学习方法
研究提出RobustBench-TC工具使用基准和ToolRL-DR领域随机化强化学习方案，用于应对真实部署中的工具调用故障。基准包含22种由GitHub问题或已记录调用失败支持的四类POMDP扰动；在21个、参数规模1.5B至32B的模型上，观测扰动使准确率下降不到5%，而奖励相关和转移扰动分别使准确率下降约40%和30%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。