multi-turn-agent

本文介绍了PaperPilot，一个多轮文献搜索智能体，它构建可执行的有向无环图（DAG）搜索操作，并通过用户反馈优化工作流，在检索指标上相比基线模型取得了显著提升。

本文介绍了RODS，一种奖励驱动的在线数据合成方法，该方法解决了多轮工具使用智能体训练中静态数据集信息样本耗尽的问题。它在显著减少轨迹数量的情况下，达到了与更大规模离线流水线相当的性能。