مقاله‌ی arXiv:2609.36887 · منتشرشده در کانال
WEFT: Scaling Tool-Use Post-Training for General-Purpose Agents
ویفت: مقیاس دادن پس‌آموزش استفاده از ابزار با تکامل کل سیستم تعامل ایجنتی
- تاریخ
- (۷ مهر ۱۴۰۵) 2026-09-29 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Bo Mao, Hang He, Linting Wang, Lizhi Lin, Maosen Zhou, Guanming Liu, Jinxiu Liu, Tianyu Huai, Chaoyun Zhang, Bingxuan Li, Kepeng Lei, Guanting Dong, Zhou Shao, Rui Zheng, Hang Yan, Jie Zhou, Chengcheng Wan, Tao Gui, Liang He, Xipeng Qiu
خلاصه‌ی فارسی
مسئله
تلاش‌های اخیر برای مقیاس دادن پس‌آموزش استفاده از ابزار عمدتاً روی ساخت محیط‌های اجرایی متمرکز بوده‌اند، در حالی که محیط فقط یک جزء از سیستم تعامل ایجنتی است که تسک، هارنس ایجنت و ارزیاب را هم شامل می‌شود. مقیاس دادن محیط به تنهایی بهبود متناسبی نمی‌دهد، چون سیگنال یادگیری قابل اعتماد به تعامل منسجم همه‌ی اجزا وابسته است؛ مثلاً یک محیط خوب با ارزیاب معیوب پاداش غلط می‌دهد.
روش
روش WEFT ساخت مقیاس‌پذیر سیستم تعامل، خودتکاملی مبتنی بر اجرا و پس‌آموزش پایدار را با هم جفت می‌کند. ساخت سیستم در گستره‌ی محیط، پیچیدگی تسک و تنوع تعامل مقیاس می‌یابد. خودتکاملی با ردپاهای اجرا و شواهد وضعیت، شکست‌ها را به جزء مسئول نسبت می‌دهد و آن را بازنگری می‌کند. برای پس‌آموزش پایدار، نمونه‌گیری حافظ پیشوند پیشرفت تأییدشده را نگه می‌دارد، تخصیص اعتبار در سطح نوبت اتمی سیگنال را محلی می‌کند، و سرویس MegaMCP وضعیت جدا و قابل بازیابی را در اجراهای هم‌زمان روی سرویس‌های ابزار مشترک حفظ می‌کند.
یافته‌ها
- مدل‌های WEFT-8B و WEFT-14B روی BFCL V4، τ²-Bench و Claw-Eval از همه‌ی پایه‌های مقیاس محیط هم‌اندازه بهتر بودند.
- مدل WEFT-14B به ترتیب ۶٫۴۱، ۲٫۲۳ و ۱۲٫۲۷ واحد درصد از
Agent-World-14Bبهتر بود. - مدل WEFT-35B-A3B این بهبود را به بنچمارک‌های گردش‌کار بلندمدت دشوارتر مثل Toolathlon-Verified و AutomationBench گسترش داد.
محدودیت‌ها
متن کامل HTML مقاله در دسترس نیست و این خلاصه فقط بر چکیده تکیه دارد؛ چکیده محدودیت‌ها و وابستگی سازمانی نویسنده‌ها را نمی‌گوید.
چرا مهم است
ساختن محیط بیشتر به تنهایی ایجنت‌ها را بهتر نمی‌کند. این کار نشان می‌دهد تسک، هارنس و ارزیاب هم باید هم‌زمان اصلاح شوند تا سیگنال آموزشی قابل اعتماد بماند.