multi-step-agents

作者讨论了多步骤AI智能体中一个持续存在的挑战：前一步骤的状态污染会导致幻觉输出。尽管有像EnterPro Agent Builder这样的工具，但仍需更清晰的上下文边界。

该推文列出了15种LLM微调技术，并介绍了ART（Agent Reinforcement Trainer），这是OpenPipe的一个开源框架，用于使用GRPO训练多步骤代理，并通过W&B Training提供无服务器强化学习支持。

本文讨论了评估基于LLM的智能体执行多步推理的挑战，指出仅对最终输出进行评分是不够的，因为智能体可能走错路径但偶然恢复，并提出了如何在不手动审查的情况下评估轨迹的问题。