ReToolSQL に関する報道

ReToolSQL は 2 段階のトレーニング フレームワークを提案しています。このフレームワークでは、最初に教師ありホット スタートに拒否サンプリング推論軌跡を使用し、次に複数ラウンドのツール使用軌跡に対してエージェント強化微調整 (RFT) を実行します。 SQL 生成を単一ラウンドのタスクとして扱うこれまでのほとんどの方法と比較して、複数ラウンドの反復的なエラー修正を通じて堅牢性が向上し、小規模なモデルでも大規模なシステムと同等またはそれを上回ることが可能になります。これは、実行フィードバック強化学習がシングルラウンド生成からマルチラウンド エージェント パラダイムに進化していることを意味します。