TurnSight: ツール統合推論のためのハインズイト自律蒸留
arXiv cs.AI ・ 2026-08-04
原題: TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning
AI による要約
ツール統合推論（TIR）では、LLMが複雑なタスクを解決するためにツールとの反復的なやり取りを行う。TurnSightは、実行条件付きのハインズイトから直接監督信号を導出する、ターンレベルのハインズイト自律蒸留フレームワークである。このフレームワークは、TIRシナリオにおける微妙な信号の割り当てを可能にする。TurnSightは、長視野のTIRシナリオで従来の強化学習方法の限界を解決する。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.AI）をご確認ください。