Articles sur ReToolSQL

ReToolSQL propose un cadre de formation en deux étapes, qui utilise d'abord des trajectoires d'inférence d'échantillonnage de rejet pour un démarrage à chaud supervisé, puis effectue un réglage fin du renforcement des agents (RFT) sur plusieurs cycles de trajectoires d'utilisation des outils. Par rapport à la plupart des méthodes précédentes qui traitent la génération SQL comme une tâche unique, elle améliore la robustesse grâce à plusieurs cycles de correction d'erreur itérative, permettant aux petits modèles d'égaler ou de surpasser les systèmes plus grands. Cela signifie que l’apprentissage par renforcement par retour d’exécution évolue d’une génération à un seul cycle vers un paradigme d’agent à plusieurs tours.