arXiv cs.CL· Thomas Zeng, Zelei Cheng, Mingyang Zhou, Sambit Sahu, William Campbell, Genta Indra Winata·· 4 小时前AI 评分45
超越修正动作：用文本批评训练 LLM 智能体
Beyond Corrected Actions: Training LLM Agents on Textual Critiques
AI 导读
研究者提出 CAFT（Critique-Augmented Agentic Fine-Tuning），用专家模型对学生错误动作给出的文本批评作为微调目标。在 Nemotron 3 和 Gemma 4 家族的四个学生模型上，于 τ²-Bench Airline+Retail 与 WebShop 中，加入批评比仅动作级蒸馏平均提升 8%，其 checkpoint 也可为强化学习提供更好的热启动。
来源：arXiv cs.CL · arxiv.org