arXiv · cs.LG 机器学习· Zhexi Lu, Subhajit Chaudhury, Tejaswini Pedapati, Keerthiram Murugesan, Lei Yu·· 5 小时前AI 评分58
StateAlign：用状态对比强化学习提升多轮工具智能体的决策可靠性
StateAlign: Internalizing State-Aware Decision-Making for Reliable Multi-Turn Tool Agents via Reinforcement Learning
AI 导读
作者提出 StateAlign，把任务状态构建与状态对比强化学习结合，让工具智能体的决策跟随当前任务状态。在 Qwen3-8B 上，BFCL v4 multi-turn 准确率从 45.5% 提升到 55.2%，SimpleToolHalluBench 上的无工具幻觉率从仅用结果奖励训练的 62.2% 降至 56.1%。
来源：arXiv · cs.LG 机器学习 · arxiv.org