提出HDPO框架,通过解耦准确率与效率优化通道(条件优势估计),在保证推理准确率的同时大幅降低工具调用率(如从98%降至2%),从而培养多模态智能体的元认知工具使用能力。
机构:阿里
来源:arXiv 2604.08545 | AI4Papers 论文推荐平台