ASTRA：エージェント的軌跡と強化学習アリーナの自動合成

要約

ASTRAは、ツール利用エージェントを訓練するための完全自動化されたエンドツーエンドのフレームワークです。ツール呼び出しグラフに基づく多様な軌跡合成と、検証可能な強化学習環境の自動生成を組み合わせることで、教師あり学習と強化学習を統合しました。複数のベンチマークで、クローズドソースに迫る最高水準の性能を達成しています。

全文は有料プランで閲覧できます。