工具调用 Agent 选 SFT 还是 RL？一项涵盖数据、方法与尺度的对照研究

英文标题：SFT or RL for Tool-Calling Agents? A Controlled Study Across Data, Method, and Scale

针对语言模型 Agent 在工具调用能力上的训练路径选择，本文系统探讨了训练数据、适配方法与模型规模对工具调用性能的协同影响。研究严格对比了基于 LoRA 的监督微调（SFT）与基于群体相对策略优化（GRPO）等强化学习（RL）范式的差异与规律。该成果为开发者在构建工具调用 Agent 时权衡微调成本、数据依赖与性能上限提供了关键的实证指导。

打开原文相关 2.4 · 机会 2

中文

arXiv:2609.17848v1 Announce Type: new

摘要

关于训练数据、适配方法与模型规模如何协同影响语言模型 Agent 的工具调用（Tool-Calling）性能，目前学界与工业界仍缺乏充分的受控实证研究。本项研究系统评估了基于 LoRA 的监督微调（SFT）与基于群体相对策略优化（Group Relative Policy Optimization, GRPO 等）的强化学习（RL）方法，深入分析了它们在不同数据条件与参数规模下的表现与权衡。

工具调用 Agent 选 SFT 还是 RL？一项涵盖数据、方法与尺度的对照研究

中文

摘要

BibTeX 格式引用

English / 原文

BibTeX formatted citation