Aprendizaje de refuerzo, no ajuste: Nemotron-Tool-N1 Trains LLMS para usar herramientas con supervisión mínima y máxima generalización
Equipar LLM con herramientas o funciones externas se ha vuelto popular, mostrando un gran rendimiento en diversos dominios. La investigación existente depende de sintetizar grandes volúmenes de trayectorias de uso…