HiDiffTIR：面向多轮工具集成推理的分层难度感知策略优化

英文标题：HiDiffTIR: Hierarchical Difficulty-Aware Policy Optimization for Multi-Turn Tool-Integrated Reasoning

HiDiffTIR 聚焦工具集成推理（TIR），即 LLM Agent 通过迭代调用外部工具来解决复杂任务的能力。论文指出，强化学习（RL）已成为赋能这类能力的主流范式。该方法旨在通过分层、难度感知的策略优化，提升多轮工具调用与推理场景中的训练和决策效果。由于所提供原文摘要在中途截断，未包含具体实验数据、实现细节或完整结论。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB