arXiv cs.AI· Xiaoyang Yuan, Ji Zhao, Xingyu Hu, Wenhan Wang, Yutao Hu, Qiaosheng Zhang, Pengfei Liu, Yu Qiao, Yi Bin, Wenqi Shao·· 3 天前AI 评分44
Davinci-Tool：用可验证可执行环境扩展智能体工具使用监督
Davinci-Tool: Scaling Agentic Tool-Use Supervision with Verifiable Executable Environments
AI 导读
研究团队推出 30B 工具使用模型 Davinci-Tool 及执行锚定数据集 Davinci-ToolData，通过 Execution-Grounded Task Synthesis 与 Executable Environment Synthesis 两条流水线生成 30,395 条已验证轨迹、覆盖 2,260 个工具名。
正文 · AI 翻译
摘要：可靠的智能体工具使用需要训练数据，将多样化的多步骤工作流与可执行证据配对，以证明所请求的结果已达成。仅扩展轨迹覆盖范围或验证是不够的，因为新环境会引入不同的状态、规则和依赖关系，这些也必须反映在成功标准中。为应对这一挑战，我们推出了 Davinci-Tool，一个 30B 工具使用模型，以及 Davinci-ToolData，一个基于执行的、旨在同时扩展环境覆盖和结果验证的数据集。Davinci-ToolData 将可恢复状态、执行轨迹、结果和验证器保留为统一的监督基础。两条互补的流水线填充这一基础：基于执行的任务合成（EGTS）从独立编写的系统中提取经过验证的演示，而可执行环境合成（EES）在单一和协调领域中合成可审计的环境、基于状态的任务和可执行验证器。这些流水线产生了 30,395 条经过验证的轨迹，涵盖 2,260 个调用的工具名称。我们首先使用监督微调在这些演示上进行训练，然后复用 EES 状态和验证器来比较替代动作，并为直接偏好优化构建基于结果的偏好。Davinci-Tool 将 Qwen3-Coder-30B-A3B-Instruct 在 $\tau^2$-bench 上从 52.4 提升至 88.2，在 BFCL v4 多轮对话上从 30.4 提升至 62.8，在 MCP-Atlas 上从 16.9 提升至 56.2，在全部三个基准上均优于 Qwen3-Coder-480B-A35B-Instruct，而总参数量仅为其 1/16。代码可在 此 https URL 获取。
| 评论： | 27 页，4 张图，13 张表。代码：此 https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.16867 [cs.LG] |
| （或 arXiv:2610.16867v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16867 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiaoyang Yuan [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 14:33:16 UTC（560 KB）
来源：arXiv cs.AI · arxiv.org