Caddie用任务结果训练LLM评论家

Sergei Polezhaev等提出Caddie：以智能体任务最终是否成功为训练信号，在冻结基础模型的同时用强化学习训练评论家，为执行中的智能体提供自然语言分析和建议。论文摘要称，该评论家在多跳问答上训练后，提升了四种不同规模和架构基础模型的成功率，其中三种未用于评论家训练。 在MuSiQue基准上，Caddie使Qwen3-4B的成功率提高逾25个百分点，并超过未使用评论家的Kimi K3；同一评论家无需追加训练，也在域外的τ³和DeepDive交互基准上带来增益。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。