Caddie：基于任务结果训练 LLM 智能体顾问模型
Get the story
2026年10月8日，arXiv Computation and Language 发表一手研究，提出 Caddie 方法：通过强化学习训练 critic（顾问）模型，在基础模型冻结的条件下，依据智能体最终是否成功来生成自然语言分析与建议。实验显示，在 MuSiQue 基准上，Qwen3-4B critic 使 Qwen3-4B 成功率提升超过 25 个百分点，超越无 critic 的 Kimi K3；并在 τ³ 与 DeepDive 等域外交互基准上零额外训练获得增益。目前报道仅涉及该方法与基准结果，未见后续独立验证或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and LanguageCaddie：基于任务结果训练 LLM 智能体顾问
提出 Caddie 方法，通过强化学习训练 critic 模型，在基础模型冻结的条件下依据智能体最终是否成功来生成自然语言分析与建议。在 MuSiQue 基准上，Qwen3-4B critic 使 Qwen3-4B 成功率提升超过 25 个百分点，超越无 critic 的 Kimi K3，并在 τ³ 与 DeepDive 等域外交互基准上零额外训练获得增益。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.