论文页面 - EDGEGEN：通过合成边缘案例生成改进超出理想路径的工具调用智能体

来源: https://huggingface.co/papers/2609.24115

摘要

工具调用的LLM智能体正越来越多地应用于企业应用中。然而，有效的评估和优化需要高质量、多样化的任务数据集，而这些数据集常因隐私和其他限制而难以获得。现有的合成任务生成方法通常生成通用任务，忽略了智能体的底层状态或数据库，未能反映现实世界使用场景的多样性。我们提出了EdgeGen，一个合成任务生成框架。该框架从智能体的规范中提取合规规则，并利用这些规则生成基于数据库的边缘案例任务，旨在违反这些规则。结合现有的合成数据生成技术，EdgeGen能够通过微调和测试框架优化来改进智能体。由此形成的管道构成了一个完全自动化的闭环系统，无需人工标注。在tau2基准测试的航空领域任务上，使用EdgeGen生成数据进行微调，可实现2%到42%的平均进度提升；而其他基线方法在某些模型上则显示出性能下降。另一方面，对于测试框架优化，我们的方法在Gemma-4-e4b模型上，相较于人工设计的测试框架和基础测试框架，分别实现了10%和30%的平均进度提升。

查看arXiv页面 (https://arxiv.org/abs/2609.24115)查看PDF (https://arxiv.org/pdf/2609.24115)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2609.24115)

引用本文的模型 0

没有模型链接此论文 在模型的README.md中引用arxiv.org/abs/2609.24115，即可从此页面链接到该模型。

引用本文的数据集 0

没有数据集链接此论文 在数据集的README.md中引用arxiv.org/abs/2609.24115，即可从此页面链接到该数据集。

引用本文的Space 0

没有Space链接此论文 在Space的README.md中引用arxiv.org/abs/2609.24115，即可从此页面链接到该Space。

包含本文的收藏集 0

没有收藏集包含此论文 将本文添加到收藏集 (https://huggingface.co/new-collection)即可从此页面链接到该收藏集。