CAST：面向长程工具调用智能体的批评感知监督训练

研究团队于2026年8月31日发布论文《CAST: Critique-Aware Supervision for Training Reliable Long-Horizon Tool-Calling Agents》，提出了批评感知监督训练框架，旨在解决长程多步工具调用中单点错误导致不可逆任务失败的问题。

• 轨迹级别归因与解释：CAST将稀疏的任务结果转化为动作级别的细粒度监督信号，在部分可观测状态下自动合成结构化的动作有效性解释，生成批评理由。
• 策略模型定向优化：利用训练所得的批评模型构建具有判别依据的训练数据，进而针对策略模型进行监督微调，提升长程复杂交互中的纠错与防御能力。
• 跨领域基准验证：在Qwen3系列模型上的实验表明，CAST在动态工具调用基准上表现稳健，零售任务中的四次运行通过率（pass^4）比GPT-OSS-120B高出10%以上，并在跨领域的远程医疗测试中取得额外9%的提升。
• 影响/看点：该框架为提升长程交互智能体在金融、医疗等高容错代价场景下的执行稳定性提供了训练方法，其实用价值的进一步放大有赖于在更多真实工业复杂工作流与不可预知环境中的泛化表现。
• 资料依据：
• Hugging Face（2026-08-31）：https://huggingface.co/papers/2608.30147
• arXiv（2026-08-31）：https://arxiv.org/abs/2608.30147

本内容由 AI 生成，仅供参考，请注意甄别