Agent 后训练：从失败轨迹到可复现实验

阅读摘要

原文以工具使用 Agent 的调试与后训练实验展开，涉及请求轨迹记录、SFT、RL、训练资源和奖励分布。作者也指出数据质量与测试规模带来的不确定性；文中效果数字属于其特定实验。 原文

与当前项目的联系

将你的 ReAct Agent 失败案例按工具选择、参数、推理和上下文丢失分类，先建立固定评测集。

面试讨论

为什么先评测再训练？如何隔离训练集与测试集？工具使用提升是否可能伴随其他能力下降？

建议实验

建立一组有明确验收结果的工具任务，保存输入输出、调用参数、错误和耗时；先比较提示修改前后的完成率。

研究延伸

明确一个失败假设，设置对照、重复次数与误差分析；有数据和算力后，再考虑 SFT 或 RL。