跳到主要内容
检索

# JudgeMix框架

1 篇关联报道

订阅更新
  1. arXiv

    智能体训练数据不再全靠专家示范:JudgeMix按步评判,AppWorld上pass@1最高提升8点

    用专家轨迹做监督微调训练AI智能体,训练数据与目标模型推理时的状态分布不一致,模型一旦偏离理想轨迹就容易失败。JudgeMix在每一步用评判器判断目标模型提出的动作是否语义正确,只在模型出错时让专家接管,并按评判结果调整专家监督的权重。在AppWorld与AutomationBench两个工具调用基准上,JudgeMix对Qwen3.5-2B和Qwen3.5-9B两个目标模型都取得最高pass@1,相对纯专家示范最高提升8点和10点。

已读完全部报道