Tool Use History Pollution Policy Transfer Benchmark
摘要

工具调用智能体依赖累积的对话和工具痕迹推断任务状态。然而,在持久交互中,历史痕迹可能在不再具有权威性时仍保持结构有效和语义合理,从而劫持模型策略。本文揭示了这种“历史污染”会导致决策翻转及错误实体复用。为此,我们提出了一个包含原始、污染和黄金状态视图的对齐基准测试,以隔离决策、实体绑定和执行层面的失败。此外,提出了一种通过软监督将黄金状态教师策略迁移至仅观察污染历史的学生策略的方法。实验显示该方法显著提升了工具使用准确率,并具有可扩展性和泛化能力。

AI 推荐理由

论文直接针对Agent的工具使用(Tool Use)能力,评估并改进其在误导性历史下的表现,属于技能学习范畴。

研究机构
WeChat, Tencent Inc., Beijing, China
论文信息
作者 Xiaoqing Wu, Xingyu Fan, Feifei Li, Wenhui Que
发布日期 2026-08-06
arXiv ID 2608.06057
相关性评分 9/10 (高度相关)