企业官网建设流程全解析

📖标题：DART-SD: Diamond-topology Aware Retrieval and Tuning for Self-Distillation of Multi-Turn Tool-Calling Agents
🌐来源：arXiv, 2608.18524v1

🛎️文章简介
🔸研究问题：如何解决多轮工具调用中因强制线性轨迹模仿导致的拓扑坍塌及有效探索被惩罚的问题？
🔸主要贡献：论文提出DART-SD框架，通过拓扑感知的局部校正取代全局强制模仿，显著提升智能体性能。

📝重点思路
🔸构建交互状态转移图（ISTG）：将执行过程建模为图结构，节点定义为累积交互状态而非瞬时动作，捕捉顺序无关子目标形成的菱形拓扑，区分获取信息的主节点和无用探索的辅节点。
🔸定义关键拓扑断点（CTB）：通过将学生状态投影到经验成功可达区域，识别学生首次偏离教师支持区域的转折点，以此界定能力边界并确定需要校正的起始位置。
🔸实施CTB引导的局部监督：检索ISTG中成功的恢复参考，仅对CTB之后的恢复步骤计算训练损失，严格保护CTB之前的有效推理前缀免受破坏性梯度更新。
🔸采用渐进式自蒸馏范式：迭代运行学生模型，动态识别其 evolving 能力边界，逐步将监督重点推向更复杂的恢复行为，使模型循序渐进地掌握长程工具使用策略。

🔎分析总结
🔸DART-SD在五个基准测试中均优于传统的SFT和RL基线，且在Qwen3-4B和8B不同规模模型上表现稳健，证明了其泛化能力。
🔸该方法能有效缩短成功轨迹的工具调用长度，最终生成的轨迹甚至比黄金参考更短，表明模型学会了更高效的策略而非盲目记忆。
🔸随着训练迭代，失败轨迹中的CTB位置逐渐后移，证明模型的有效交互前缀不断延长，能够正确处理更复杂的多步任务。
🔸消融实验证实，ISTG结构、CTB定位、局部监督及渐进式蒸馏各组件均对性能提升有显著贡献，缺一不可。
🔸在保留通用能力方面，DART-SD在数学推理和知识问答等标准基准上也优于基线，说明局部监督未损害模型的基础推理能力。

💡个人观点
论文洞察了多轮工具调用的图结构本质，打破了传统线性轨迹模仿的局限。将全局优化转化为局部精准修正，既避免了无效探索对模型的干扰，又保留了有价值的推理路径。