Critical-State RL 只训练会改变结果的那一次工具调用
DAIR.AI 介绍了 Salesforce AI Research 的一种方法：找出多轮工具调用中动作会改变后续奖励的那一次，并只更新这一次调用。在 BFCL v4 的 missing-function 任务上，训练所选轮次大约增加 14 分。
#tool-use
查看全部AI快讯OpenRouter：从 Opus 5 迁移后仅支持自适应思考、停用强制工具调用，价格降低 20%
OpenRouter 为从 Opus 5 迁移的开发者列出这三项差异，其迁移指南说明了变更内容以及如何更新提示词。