一位Reddit用户正在寻求关于训练Qwen 3.5模型用于多工具Agent使用的建议。他们想知道是先进行监督微调（SFT）再进行强化学习（RL），还是直接采用纯RL方法。该用户还询问了用于工具使用Agent的有效奖励函数设计，以及处理并行工具执行的策略，特别是当一个工具的输出需要多次后续工具调用时。 AI
影响 讨论了多工具Agent的训练方法，这对于开发专业AI应用的开发者来说是相关的。
排序理由 用户生成关于特定模型训练方法的讨论。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<!-- SC_OFF --><div class="md"><p>To train Qwen 3.5 4B or 9B for a custom multi-tool agent workflow and would appreciate guidance from people who have done this successfully.</p> <p>A few questions:</p> <ol> <li><p>SFT → RL or RL-only?</p> <p>- Is it still recommended to first do…