Noticias sobre ReToolSQL

ReToolSQL propone un marco de entrenamiento de dos etapas, que primero utiliza trayectorias de inferencia de muestreo de rechazo para un inicio en caliente supervisado y luego realiza un ajuste fino de refuerzo del agente (RFT) en múltiples rondas de trayectorias de uso de herramientas. En comparación con la mayoría de los métodos anteriores que tratan la generación de SQL como una tarea de una sola ronda, mejora la solidez a través de múltiples rondas de corrección de errores iterativa, lo que hace posible que los modelos pequeños igualen o superen a los sistemas más grandes. Esto significa que el aprendizaje reforzado con retroalimentación de ejecución está evolucionando de una generación de una sola ronda a un paradigma de agentes de múltiples rondas.