مقاله‌ی arXiv:2610.14774 · در صف خبرنامه
ProgAgent: Learning Tool Orchestration through Programmatic Training
آموزش ایجنت برای فراخوانی ابزار با کد، به جای فراخوانی پشت‌سرهم که کانتکست را پر می‌کند
- تاریخ
- (۱۸ مهر ۱۴۰۵) 2026-10-10 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Hao Li, Keqing He, Longtao Zheng, Junlong Li, Weihao Zeng, Qian Liu, Yuzhen Huang
- نهاد نویسنده‌ها
- Hong Kong University of Science and Technology; Beijing University of Posts and Telecommunications; Nanyang Technological University
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌ها معمولاً ابزارها را مستقیم و پشت‌سرهم صدا می‌زنند و پاسخ هر ابزار به کانتکست اضافه می‌شود، که در کارهای طولانی به «پوسیدگی کانتکست» و از هم پاشیدن هماهنگی می‌انجامد. مثلاً ایجنتی که باید ۵۰ فایل را بخواند و خلاصه کند، همه‌ی محتوا را در کانتکست انباشته می‌کند. در «فراخوانی برنامه‌ای ابزار»، ابزارها از راه کد اجرایی صدا زده می‌شوند و نتیجه‌های میانی در متغیرهای زمان اجرا می‌مانند، اما این روش بیشتر فقط در زمان اجرا بررسی شده و سودش برای آموزش ایجنت و تسک‌های آموزشی مناسبش کم‌اند.
روش
چارچوب ProgAgent یک پشته‌ی کامل آموزش برای فراخوانی برنامه‌ای است: خط لوله‌ای برای ساخت تسک‌های طولانی قابل تأیید، یک محیط اجرایی سبک و یک دستور آموزش دومرحله‌ای (شروع با آموزش نظارت‌شده و بعد یادگیری تقویتی). فقط ۲۱۵ تسک در چهار مقیاس محیط به کار رفت.
یافته‌ها
- در چهار بنچمارک، نرخ پاس بالاتری از پایه‌های هم‌اندازه داشت.
- روی LOCA-bench، مدل ProgAgent-14B با وضعیت محیط ۶۴ هزار توکنی به نرخ پاس ۳۰٫۷ درصد رسید، جایی که این پایه‌ها صفر گرفتند.
- مدل‌های آموزش‌دیده با فراخوانی برنامه‌ای زیر هر دو رابط ارزیابی از مدل‌های آموزش‌دیده با فراخوانی مستقیم بهتر بودند، پس سود آموزش فراتر از خود رابط است.
محدودیت‌ها
نویسنده‌ها می‌گویند وقتی محیط محتوای غیرقابل پیش‌بینی یا بی‌ساختار برمی‌گرداند، ایجنت ممکن است به رفتاری شبیه فراخوانی مستقیم برگردد.
چرا مهم است
کانتکست پرشده یکی از دلایل اصلی شکست ایجنت‌ها در کارهای طولانی است. این کار نشان می‌دهد آموزش ایجنت برای کار با ابزارها از راه کد، این مشکل را با داده‌ی خیلی کم حل می‌کند.