Trajectory2Gym:根拠のあるツール操作を学習データにする ↗
Trajectory2Gymは、ツール利用エージェントの学習データを作る研究手法。成功した操作列をそのまま模倣させず、エージェントに見えていた情報で各操作を正当化できるか確認し、見落とされやすい複数段階のやり取りを合成する。著者らのQwen3系5規模での比較では、Tau1・Tau2・BFCLの等重み平均が各モデルの学習前から16.9~29.8ポイント上がった。結果は論文内の評価で、汎用サービスとしての提供は確認していない。




