Tool Learning Reinforcement Learning Environment Simulation Open-Source LLM Curriculum Learning
摘要

强化学习常用于训练工具调用代理，但通常依赖在线交互环境、标注数据或昂贵的商业模型。本文提出 TRUSTEE，一种无数据方法，利用免费开源小模型（如 8B）动态模拟任务生成、用户交互及工具执行全过程，并结合自适应课程学习机制动态调整难度。实验表明，该方法在多个领域优于需额外资源的基线，证明仅凭本地小模型即可构建强大的工具学习基线，无需昂贵标注或真实环境，为资源受限下的环境扩展研究提供新方向。

AI 推荐理由

论文核心研究工具调用代理的训练方法，直接针对技能学习中的环境与数据依赖问题提出新范式。

研究机构
National Key Laboratory for Multimedia Information Processing, Peking University School of Computer Science, Peking University LLM Department, Tencent
论文信息
作者 Chenming Tang, Hsiu-Yuan Huang, Weijie Liu, Junqiang Zheng, Saiyong Yang et al.
发布日期 2026-04-20
arXiv ID 2604.17739
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF