**Trajectory2Gym：构建决策 grounded 的组合物理交互以强化工具使用智能体**

_Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents_

> 该研究指出，成功的工具使用轨迹并不总是有效的监督信号，因为其中可能包含无法被智能体在决策时观察到的动作。为此，论文提出了 Trajectory2Gym 框架，通过构建可执行的交互来生成监督数据，确保每个动作都基于智能体可见的历史信息（决策 grounded），并覆盖关键的观察 - 动作依赖关系（组合覆盖）。实验表明，该方法在 Qwen3 系列模型上显著提升了 Tau1、Tau2 和 BFCL 等基准的性能，特别是在多轮状态交互场景中效果最为明显，证明了通过精心构建可学习的交互体验而非单纯收集成功轨迹，是提升工具使用智能体效果的关键。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.33568)