热点事件持续更新
研究提出StaGPO算法提升工具调用Agent在弱用户下的表现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月20日，arXiv发布研究提出面向弱用户的工具调用智能体策略优化方法 StaGPO，旨在解决现实用户表达不全导致智能体任务成功率下降的问题。该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之间进行对比，从而实现步级信用的有效分配。实验评估显示，在 ToolWOZ 基准测试中，采用弱用户训练的 Qwen3.5-2B 策略成功率达到 76.8%，相比传统 GRPO 提升了 4.8 个百分点；同时在 tau2-bench 的弱用户测试环境下，StaGPO 同样取得了最高分表现。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 12:00
研究提出StaGPO算法，显著提升Qwen3.5-2B等模型在弱用户工具调用下的成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 人工智能超越理想模拟用户：面向弱用户的工具调用智能体训练方法 StaGPO
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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。