Hugging Face发布Trajectory2Gym：革新AI智能体工具使用与决策能力

摘要：Hugging Face推出Trajectory2Gym，这是一种用于提升AI智能体工具使用能力的新方法。Trajectory2Gym通过构建围绕欠表示组合结构的可执行交互，并仅从有根据的决策中提取监督信号，解决了传统轨迹监督中的不足。实验结果表明，该方法在五个Qwen3规模上均显著提升了模型性能，尤其是在涉及状态和多轮交互的任务中表现突出，展示了其在复杂任务场景中的潜力。

---

技术机制剖析

Trajectory2Gym的核心创新在于其对传统轨迹监督方法的改进。传统方法通常依赖于收集成功的轨迹，但这种方法可能无法充分捕捉多步依赖关系或包含未经充分解释的动作。Trajectory2Gym通过以下方式解决了这些问题：

1. 组合覆盖（Compositional Coverage）：确保重要的观察-动作依赖关系被充分表示。
2. 决策基础（Decision Grounding）：每个被监督的动作都基于学习者可见的交互历史，确保动作的合理性。

Trajectory2Gym通过构建围绕欠表示组合结构的可执行交互，并仅从有根据的决策中提取监督信号，从而实现对交互经验的精细化管理和利用。

工程权衡与实测表现

Trajectory2Gym在多个方面进行了优化：

• 结构性支持选择（Structural-Support Selection）：分配交互经验，确保训练数据的质量。
• 父归一化监督微调（Parent-Normalized Supervised Fine-Tuning）：保持语义交互作为训练权重的单位，避免过拟合并提升泛化能力。

在五个Qwen3规模上的实验表明，Trajectory2Gym在Tau1、Tau2和BFCL基准测试中均表现出色，显著提升了模型性能。尤其是在涉及状态和多轮交互的任务中，模型的表现提升最为显著，平均提升幅度达到16.9-29.8个百分点。

开发者落地与部署建议

对于开发者而言，Trajectory2Gym提供了一种新的思路来提升AI智能体在复杂任务中的表现。以下是一些建议：

1. 关注交互质量而非仅依赖成功轨迹：通过构建高质量的交互经验，提升模型的决策能力。
2. 结合现有工具和框架：Trajectory2Gym可以与现有的强化学习框架和工具结合使用，进一步提升模型性能。
3. 持续优化训练数据：通过结构性支持选择和父归一化监督微调，确保训练数据的质量和多样性。

结论

Trajectory2Gym的发布标志着AI智能体在工具使用和决策能力方面的又一次突破。其在复杂任务场景中的优异表现，为AI应用在多领域的发展提供了新的可能性。

---

消息来源：Hugging Face Daily Papers (2026-10-24)

—— 完 ——

主题标签： #Hugging Face 关注 #AI智能体 关注 #强化学习 关注 #工具使用 关注 #决策能力 关注