IACM-RL：面向动态意图波动下复杂工具调用的意图感知上下文管理与强化学习
IACM-RL: Intent-Aware Context Management and Reinforcement Learning for Complex Tool Invocation under Dynamic Intent Fluctuations
针对动态用户意图噪声导致工具调用中出现意图偏离和重复 API 循环的问题，研究者提出 IACM-RL 框架，包含合成多场景轨迹的 DynamicIntent 数据管线与五维诊断指标，并部署基于 BeliefState 的自生成上下文管理器，用结构化 stale flags 隔离被覆盖参数。
作者：Dingwei Zhu、Jiahan Li、Chengjun Pan、Yunxian Yang、Yunbin Zhao、Yunke Zhang、Zhonghang Lu、Zhuohui Sheng、Chenhao Huang、Jiahang Lin、Yajie Yang、Junlin Shang、Shichun Liu、Yuhui Wang、Honglin Guo、Junjie Ye、Xin Guo、Jiazheng Zhang、Ming Zhang、Shihan Dou、Zhiheng Xi、Tao Gui、Qi Zhang、Xipeng Qiu、Xuanjing Huang
摘要：在真实环境中执行长时程工具调用，严重受到动态用户意图噪声的挑战。现有方法试图通过隐式历史扫描或文本压缩来提升鲁棒性，但大多假设在简单场景下指令是完美的。在波动的上下文中，过时的约束不可避免地会稀释模型注意力，引发意图偏离和重复的 API 循环。为解决这一问题，我们提出 IACM-RL，一个用于鲁棒工具调用的综合框架。首先，我们引入 DynamicIntent 流水线，在若干细粒度波动场景中合成轨迹，并配以五维诊断指标套件。其次，IACM-RL 部署基于 BeliefState 的自生成上下文管理器，利用结构化过期标志主动跟踪变化的目标并隔离被覆盖的参数。为自主内化这种状态跟踪能力，我们使用分层意图驱动奖励以及两个辅助损失（CM 提取和状态蒸馏）来优化策略。在 DynamicIntent、BFCL-V3 和 $\mathrm{\tau}^2$-Bench 上的实验表明，IACM-RL 优于基线，减少了无限循环和过时上下文错误，同时增强了域外泛化能力。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.02110 [cs.CL] |
| （或 arXiv:2608.02110v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.02110 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Dingwei Zhu [查看邮箱]
[v1]
2026年8月3日星期一 12:09:50 UTC（5,606 KB）
[v2]
2026年10月14日星期三 11:48:21 UTC（5,387 KB）
来源：arXiv cs.CL · arxiv.org