Gold-SFT

新AI方法“ours”通过误导性历史改进工具使用

研究人员开发了一种名为“ours”的新方法，以提高AI代理的工具使用能力，特别是在处理误导性历史数据时。该方法使用一个能够访问“Oracle”状态的教师策略来训练学生模型，从而有效地指导学生模型即使在面对损坏或过时信息时也能做出正确的决策。在Qwen3-1.7B模型上的实验表明，“ours”的性能显著优于现有方法，达到了87.0%的平衡工具使用准确率，并且随着模型规模的增大表现出持续的可扩展性。