#critical-state-rl

Critical-State RL 只訓練會改變結果的那一次工具調用

DAIR.AI 介紹 Salesforce AI Research 的一種方法：找出多輪工具調用中動作會改變後續獎勵的那一次，並只更新該次調用。在 BFCL v4 的 missing-function 任務上，訓練所選輪次大約增加 14 分。