WER 框架：用执行反馈训练技能优化器，提升工具使用智能体表现

01 摘要

论文指出，专家撰写的自然语言技能能提升工具使用智能体，但智能体自写技能比不使用技能低 8–11 分；推理时循环只能修复单任务技能，不改善生成器的细化能力。作者提出 WER 框架，将中间技能的执行经验组织为训练状态，训练一个与冻结执行器分离的技能优化器；优化器提出技能，冻结智能体重复执行，程序化验证器打分，分数作为组相对奖励并筛选混合结果样本，匹配的成功与失败轨迹构成下一阶段精炼状态。在 BFCL v4 多轮与 tau2-bench 上，WER 相比无技能基线的平均 Pass@1 分别提升 7.80 与 6.06 分，并在相同精炼流程下优于未训练优化器的同骨干模型 10.02 与 12.50 分；训练出的 4B 优化器在 BFCL v4 达到 76.63%，平均优于所评估的同角色现成通用大模型。

02 关键点

1. 自写技能比无技能低 8–11 分，暴露生成器细化能力不足的问题。
2. WER 以执行反馈的组相对奖励与混合结果筛选，训练独立于冻结执行器的技能优化器。
3. 在 BFCL v4 多轮与 tau2-bench 上，平均 Pass@1 较无技能基线提升 7.80 与 6.06 分。