**WEFT:面向通用智能体的工具使用全系统后训练框架**

_WEFT: Scaling Tool-Use Post-Training for General-Purpose Agents_

> HuggingFace 社区热门论文 WEFT 提出了一种全系统进化的工具使用后训练方法,旨在解决仅扩展环境无法保证模型性能提升的问题。该框架通过耦合可扩展的智能体交互系统构建、执行驱动的自进化机制以及稳定的后训练策略,实现了环境广度、任务复杂度和交互多样性的协同扩展。实验表明,WEFT-8B 和 WEFT-14B 在 BFCL V4、τ^2-Bench 等基准测试中显著优于同规模基线模型,其中 WEFT-14B 相比 Agent-World-14B 在多项指标上提升了 2 至 12 个百分点,并在长程工作流任务中展现出更强的泛化能力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.36887)