[2026-01-29] ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas
ASTRA 先生成工具调用示范,再把多步问答写成可执行的模拟工具,用模型自己的执行结果继续训练。本文分开解释数据构造、环境检查、训练奖励、行李加购真实样本及公开代码与论文的差异。
ASTRA 先生成工具调用示范,再把多步问答写成可执行的模拟工具,用模型自己的执行结果继续训练。本文分开解释数据构造、环境检查、训练奖励、行李加购真实样本及公开代码与论文的差异。