实体
TAUmus
TAUmus
PulseAugur coverage of TAUmus — every cluster mentioning TAUmus across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Trajectory2Gym框架通过决策接地增强工具使用智能体训练 · 跟踪2个来源
研究人员开发了Trajectory2Gym，一个旨在改进工具使用智能体训练的新型框架。该系统专注于构建确保组合覆盖和决策接地的交互，而不是简单地收集成功的轨迹。通过从已实现执行中的接地决策中获得监督，Trajectory2Gym旨在创造更具学习性的交互体验。在Qwen3模型的五个尺度上，这种方法显著提高了在Tau1、Tau2和BFCL基准测试上的性能，在有状态和多轮交互中显示出最强的提升。
-
CanvasAnneal框架通过课程强化学习提升扩散语言模型的推理能力
研究人员开发了CanvasAnneal，一个用于扩散语言模型（DLMs）的新框架，该框架使用课程强化学习来提高它们的推理和工具使用能力。这种方法在训练的初始阶段注入来自更强教师模型的指导，并随着DLM学会独立生成推理轨迹而逐渐减少。在MATH500和Countdown等基准测试上的实验表明，CanvasAnneal可以加速奖励的提高，并优于标准的diffu-GRPO，尽管收益因任务而异。