Une méthode de génération de données d'entraînement pour les agents effectuant des appels d'outils : les auteurs estiment qu'une « trajectoire réussie » ne constitue pas nécessairement un bon signal de supervision — elle peut omettre des dépendances multi-étapes ou inclure des actions dont la justification n'était pas visible au moment de la décision. Trajectory2Gym construit des interactions exécutables autour des structures de combinaisons « observation-action » sous-représentées dans l'ensemble d'entraînement, ne considérant comme objectifs de supervision que les décisions justifiées par l'historique visible à ce moment-là, puis alloue les échantillons selon le soutien structurel et effectue un ajustement fin pondéré par interaction complète.
J'aime 336 · Étoiles du code 5
Raisons
- Les auteurs affirment que sur Qwen3 de taille 5, des améliorations sont observées sur les trois benchmarks Tau1, Tau2 et BFCL pour chaque taille, avec une moyenne pondérée égale augmentant de 16.9 à 29.8 points de pourcentage ; les gains sont les plus importants sur les tâches multi-tours, à état, où les décisions ultérieures dépendent des retours précédents.
- L'entraînement utilise uniquement la perte croisée standard sur les tokens d'assistant, sans apprentissage par renforcement, ce qui réduit la barrière à la réutilisation.
- Les poids de taille 5 et les données d'interaction candidates sont tous publics, permettant une utilisation directe comme base pour les appels d'outils ou comme groupe de contrôle ; les 336 « J'aime » de cette édition, classés en position 1, ne reflètent que le niveau d'attention.
Utilisation
- Code : github.com/yihaohu0118/Trajectory2Gym (Apache-2.0, Python 3.10+), après
pip install -e ".\[dev\]", il est possible d'exécuter les tests de régression inclus et la démonstrationexamples/structural\_support\_demo.pysur CPU. - Poids : disponibles sur Hugging Face sous mis2/Trajectory2Gym-1.7B / 4B / 8B / 14B / 30B-A3B (la fiche modèle indique apache-2.0), chargement direct via transformers ; la fiche modèle exige l'utilisation du tokenizer fourni, du format d'outil natif et d'une génération en mode non-pensée (passer
enable\_thinking=Falseàapply\_chat\_template). - Données : jeu de données Hugging Face mis2/Trajectory2gym, contenant 34,772 interactions candidates, environ 125 Mo.
Risques
- Les modèles de taille 1.7B / 4B / 8B sont stockés en float32 brut (8B environ 32.8 Go), l'occupation mémoire au chargement est deux fois plus élevée que pour les versions BF16 courantes, nécessitant une conversion de précision manuelle.
- Les données publiques constituent un pool de candidats, et non les vues d'entraînement réellement utilisées par les auteurs pour chaque taille dans le papier ; le README précise explicitement que l'utilisation seule de ce code ne permet pas de reproduire les chiffres du papier. Les scores de benchmark sont les résultats bruts rapportés par les auteurs, non rejoués lors de la publication.