新闻详情

新闻详情

首页 / 资讯中心 / 详情

Salesforce:精准定位多轮工具调用训练步骤

发布时间:2026/11/22 3:27:33来源:尧图网络
Salesforce:精准定位多轮工具调用训练步骤
标题Critical-State RL: Diagnosing Trainable States for Multi-Turn Tool Use来源arXiv, 2609.24985v1️文章简介研究问题在多轮工具使用任务中如果最终结果失败我们如何知道具体是哪一步模型调用出了问题并值得去训练优化而不是被后续的随机性干扰主要贡献提出了一种名为Critical-State RL的方法能在训练前诊断出哪些步骤具有真正的可训练信号并通过局部训练显著提升模型在复杂工具调用任务上的表现。重点思路定义关键状态诊断标准论文认为一个步骤是否值得训练取决于其奖励变化是否由当前动作决定而非后续步骤的随机噪声。为此设定了三个条件动作充分性动作影响结果、提升空间优于参考策略和可训练性动作间存在奖励差异。嵌套采样分离信号与噪声为了区分“动作带来的奖励变化”和“后续延续产生的噪声”作者采用嵌套采样技术。首先固定当前的上下文和前缀采样多个候选动作然后对每个固定的动作多次重新采样其后续的交互过程。通过计算动作间奖励均值的方差剔除后续随机性的干扰从而量化该步骤的真实学习信号。基于诊断的局部强化学习根据诊断结果只对被选中的那个特定模型调用进行策略优化而轨迹中的其他步骤仅提供上下文或奖励信号不接收梯度更新。这种方法避免了全轨迹训练带来的信用分配模糊问题。分析总结诊断准确性验证在BFCL基准测试的四格实验中该方法能准确识别不同任务类型下的关键步骤。对于“缺失函数”任务它选择工具可用后的恢复步骤进行训练对于“缺失参数”任务它选择提供参数前的决策步骤。性能显著提升训练被诊断选中的步骤带来了显著的性能增益。例如在缺失函数任务中准确率提升了约14个百分点而在缺失参数任务中也有明显提升。相反如果训练未被选中的替代步骤性能则持平甚至下降。泛化能力强该方法不仅适用于Gemma模型还成功应用于Nemotron模型的重复调用避免、内存管理等不同场景证明了其诊断框架在不同任务和模型配置下的通用性和有效性。个人观点论文像医生一样先“诊断”再“治疗”利用统计学中的方差分解思想将动作本身的贡献从环境随机性中剥离出来解决了多轮交互中信用分配的难题。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉