論文の概要: WRIT: Write-Read Intensive Trajectory Synthesis for Multi-Turn User-Facing Agents

• arxiv url: http://arxiv.org/abs/2606.02908v1
• Date: Mon, 01 Jun 2026 21:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.615108
• Title: WRIT: Write-Read Intensive Trajectory Synthesis for Multi-Turn User-Facing Agents
• Title（参考訳）: WRIT:マルチターン・ユーザ・ファクター・エージェントのための読み書き型集中トラジェクトリ合成
• Authors: Hengrui Gu, Xiaotian Han, Kaixiong Zhou,
• Abstract要約: We propose WRIT (ulineWrite-ulineRead uline Intensive ulineTrajectory Synthesis, a pipeline for synthesizing multi-turn agent training trajectories。
• 参考スコア（独自算出の注目度）: 36.2170665227039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-turn user-facing agents must infer user intent from incomplete requests, collect missing information through dialogue and tools, and execute valid actions. A training trajectory records this process as an interleaved sequence of user messages, agent responses, tool calls, etc. Synthesizing sufficiently complex trajectory has become a central route to train agents: existing pipelines often increase difficulty by composing multiple user requests into longer tasks, producing write-intensive trajectories that train sequential execution. We argue that a single write decision can itself be difficult when the agent must gather and compare substantial read-tool evidence before its arguments become identifiable, a challenge that write-intensive data alone cannot address. Guided by this insight, we propose WRIT (\uline{W}rite-\uline{R}ead \uline{I}ntensive \uline{T}rajectory Synthesis), a pipeline for synthesizing multi-turn agent training trajectories along two complexity axes: the number of write decisions in a task and the evidence burden of each individual decision. WRIT first generates write-intensive and read-heavy tasks. It then diversifies user behavior instructions to reflect realistic conversational variation, and finally simulates agent-user interactions in an executable environment to produce complete training trajectories. The resulting data trains agents not only for longer task execution, but also for robust, evidence-grounded decision making under high information load. With only 2K synthesized trajectories, a 4B model trained on WRIT outperforms GPT-5.1 no-think on $τ^2$-bench and substantially reduces inference-time token usage, showing that compact SFT data can convert part of expensive test-time reasoning into efficient agent behavior.
• Abstract（参考訳）: マルチターンのユーザ対応エージェントは、不完全なリクエストからユーザ意図を推測し、対話やツールを通じて行方不明情報を収集し、有効なアクションを実行しなければならない。 トレーニングトラジェクトリは、このプロセスをユーザメッセージ、エージェント応答、ツール呼び出しなどのインターリーブされたシーケンスとして記録します。 既存のパイプラインは、複数のユーザリクエストを長いタスクにコンパイルすることで困難を増し、シーケンシャルな実行をトレーニングする書き込み集約的なトラジェクトリを生成します。 書き込み集約データだけでは対処できない問題である、議論が発覚する前に、エージェントが大量の読み取りツール証拠を収集して比較しなければならない場合、単一の書き込み決定自体が困難である、と我々は主張する。 この知見に基づいて,WRIT(\uline{W}rite-\uline{R}ead \uline{I}ntensive \uline{T}rajectory Synthesis)を提案する。 WRITは最初、書き込み集約型および読み込み重いタスクを生成する。 その後、ユーザ行動指示を多様化して現実的な会話の変動を反映し、最終的にエージェントとユーザ間のインタラクションをシミュレートし、完全なトレーニング軌道を生成する。 結果として得られたデータトレインは、タスクの実行を長くするだけでなく、高い情報負荷下での堅牢で根拠に基づく意思決定にも役立ちます。 2Kの合成軌道だけで、WRITで訓練された4Bモデルは、$τ^2$-benchでGPT-5.1を上回り、推論時トークンの使用を著しく減らし、コンパクトなSFTデータが高価なテストタイム推論の一部を効率的なエージェントの振る舞いに変換することを示した。

関連論文リスト

• IntentRL: Training Proactive User-intent Agents for Open-ended Deep Research via Reinforcement Learning [54.21689544323704]
  Deep Research (DR)エージェントは、パラメトリック知識を超えてLarge Language Models (LLM)を拡張する。 リアルタイムの会話アシスタントとは異なり、DRは計算に高価で時間を要する。 IntentRLは、長期研究を始める前に、潜在ユーザ意図を明らかにするためにプロアクティブエージェントを訓練するフレームワークである。
  論文  参考訳（メタデータ） (2026-02-03T12:43:09Z)
• From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents [23.583947864141162]
  EigenDataは階層的なマルチエージェントエンジンで、ツール基底の対話と実行可能なインスタンスごとのチェッカーを合成する。 合成データに基づいて、まずユーザモデルを微調整し、GRPOスタイルのトレーニングを適用するRLレシピを開発する。 以上の結果から,高価なアノテーションを使わずに,複雑なツールの動作をブートストラップするためのスケーラブルな経路が示唆された。
  論文  参考訳（メタデータ） (2026-01-30T06:01:23Z)
• Trajectory2Task: Training Robust Tool-Calling Agents with Synthesized Yet Verifiable Data for Complex User Intents [52.30603055218294]
  Trajectory2Taskは,3つの現実的なユーザシナリオの下で大規模なツール使用を研究するための,検証可能なデータ生成パイプラインである。 有効なツールコールトラジェクトリを、制御されたインテント適応を伴うユーザ向けタスクに変換する。 我々は、生成された複雑なユーザシナリオタスクに対して、7つの最先端のLCMをベンチマークし、頻繁な障害を観察する。
  論文  参考訳（メタデータ） (2026-01-28T00:36:13Z)
• Agentic-R1: Distilled Dual-Strategy Reasoning [58.73951532294446]
  現在のロングチェーン・オブ・ソート(ロングCoT)モデルは数学的推論において優れているが、遅くてエラーを起こしやすい自然言語トレースに依存している。 複数の教師の補完的推論戦略を統合された学生モデルに蒸留する微調整フレームワークであるDualDistillを導入する。 本手法は,計算集約型ベンチマークと標準ベンチマークの両方を含むタスクの精度を向上する。
  論文  参考訳（メタデータ） (2025-07-08T06:35:16Z)
• AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents [60.881609323604685]
  Agent Synthはスケーラブルで費用効率のよいパイプラインで、高品質なタスクとトラジェクトリデータセットを自動的に合成する。 我々のパイプラインは1軌道あたりの平均コストが0.60ドルで、人間のアノテーションよりも桁違いに安い。
  論文  参考訳（メタデータ） (2025-06-17T05:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。