CoVe：通过约束引导验证训练交互式工具使用智能体

开发多轮交互式工具使用智能体极具挑战，因用户需求复杂模糊，而智能体需执行确定性动作。为此，本文提出 CoVe（约束验证），一种用于训练此类智能体的后训练数据合成框架，旨在兼顾数据复杂性与正确性。CoVe 通过定义明确的任务约束，既引导复杂轨迹生成，又作为确定性验证器评估轨迹质量，从而为监督微调和强化学习提供高质量数据。在τ²-bench 基准上的评估显示，紧凑的 CoVe-4B 模型在航空和零售领域成功率显著优于同规模基线，甚至媲美大 17 倍的模型。