跳到主要内容
检索

# 工具集成推理

4 篇关联报道

订阅更新
  1. arXiv

    工具调用越练越差:TACA改按推理到调用的过渡分配信用,六个推理基准平均高4.61个百分点

    多轮工具调用的强化学习训练中,推理准确率会在初期上升后跌回非智能体基线以下,TACA把原因定位到工具调用令牌拿到的整体信用为负,并改为在推理转向工具调用这一步上做监督。它在Qwen2.5-1.5B与3B上相对MT-GRPO把六个推理基准的平均准确率分别提高4.61和3.61个百分点,同时训练中的工具执行成功率保持在86.28%。

  2. Claude平台开放OpenTelemetry导出:Messages请求与托管智能体会话可接入自家可观测后端

    Claude平台把Messages API请求和Claude Managed Agents会话的追踪数据以OpenTelemetry span形式导出,开发者可在自己的可观测后端里查看这些调用。

  3. arXiv

    FlyBy让4B小模型在知识瓶颈处定向查询强模型,在1158道难题上以2.7倍更低成本超过Qwen3-14B

    该工作通过对两个模型家族、多个规模的中介推理状态做反事实干预,发现自我反思主要把概率质量集中到当前状态已可达的解上,而非让新解变得可达,并据此区分执行瓶颈与知识瓶颈,提出FlyBy选择性查询框架,训练4B与8B模型先推理、再诊断未解决之处、在知识瓶颈处查询参数知识更强的外部模型,在六个基准的1158道难题上FlyBy-4B取得45.96% pass@8,超过Qwen3-14B的41.64%且服务成本低2.7倍,FlyBy-8B进一步提升至51.81%。

  4. PrefixAgent 用两阶段大模型智能体与 e-graph 轨迹微调,在 64 位前缀加法器上把面积降到 938 µm²,比最强基线小 11.3%

    该工作提出 PrefixAgent,一个由大语言模型驱动的两阶段前缀加法器优化框架:第一阶段用微调后的大推理模型通过 regroup 工具调用迭代优化主干结构,第二阶段用 level-opt、fanout-opt 和 node clone 工具做局部时序修复;作者利用 e-graph 的等价饱和与解释机制生成可解释的重写轨迹作为监督数据,在 NanGate45 与 OpenROAD 流程下,PrefixAgent 在几乎所有配置中面积小于 DP、MCTS、PrefixRL、CircuitVAE、PrefixGPT 等基线,64 位下比最佳基线面积减少最多 11.3%,并在商用流程与 256-PE 脉动阵列中取得更小面积。

已读完全部报道