arXiv 人工智能· Han Bao, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye·· 7 小时前AI 评分38
超越理想模拟用户：面向弱用户的工具调用智能体训练方法 StaGPO
Not Every User Says It All: Training Tool-Using Agents Beyond Ideal Simulated Users
AI 导读
针对现实用户表达不全导致工具调用智能体成功率下降的问题，研究提出 StaGPO 策略优化方法，通过让智能体记录任务需求与缺失信息，并利用 GRPO 在相同情境的不同采样轮次间对比以分配步级信用。在 ToolWOZ 上，采用弱用户训练的 Qwen3.5-2B 策略成功率达 76.8%，比 GRPO 高 4.8 个百分点；在 tau2-bench 上，该方法在弱用户测试中同样取得最高分。
来源：arXiv 人工智能 · arxiv.org