面向能力对齐的工具增强大语言模型分层学习

工具学习使大语言模型能够调用外部工具完成任务。现有研究通常采用分层结构，由高层策略负责全局规划与任务分解，低层策略专注工具调用。然而，这些工作往往分别优化两层策略，导致规划器与执行器不对齐，限制了模型性能。本文提出能力对齐分层学习（CAHL）方法，利用强化学习与验证反馈（RLVR）联合优化高低层策略，实现更好的规划 - 执行对齐。在受限工具基准及开放环境中的实验证实了该方法的有效性。