ProtAgent：两阶段后训练紧凑蛋白质工具智能体

Yuxiang Wang 等作者提交论文，提出 ProtAgent 两阶段后训练流程，用于训练紧凑蛋白质注释工具智能体。第一阶段用监督微调（SFT）学习工具接口，第二阶段用标准 on-policy REINFORCE 改进交互策略。 该方法把中间工具调用奖励与最终答案奖励按 step-level 回报分配给产生它们的动作，即做交互级信用分配。目前公开的是论文中的方法描述，尚未给出与结论相关的效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。