基于策略内固有知识边界增强的高效代理强化学习

代理强化学习虽能训练具备外部工具使用能力的 LLM 代理，但易导致冗余工具调用并模糊模型固有知识边界。现有奖励塑造方法目标粗糙，易引发奖励欺骗。本文提出 AKBE 方法，通过在训练中执行双路径（有无工具） rollout 动态探测知识边界，定义实例级的工具需求判定及最小调用次数。通过对比路径正确性，AKBE 构建针对性监督信号指导高效工具使用模式。实验表明，该方法在七个 QA 基准上平均准确率提升 1.85，工具调用减少 18%，显著提高了工具生产力且无精度效率权衡。