当 agent 调用工具不正确时，可以采用哪些技术方案来改进？请分别说明 SFT 和强化学习在解决这一问题上的思路与差异。
考察说明
考察 agent 工具调用错误的改进方法，重点对比 SFT 与强化学习的适用场景和机制
回答思路
- 能指出工具调用错误的常见原因，如意图理解偏差、参数生成错误、工具选择失误
- 能说明 SFT 通过构造高质量示范数据进行监督学习来修正错误
- 能说明强化学习通过定义奖励信号（如任务成功率、工具调用正确率）并利用策略优化或 RLHF 来提升工具调用能力
- 能对比两种方法的优缺点和适用场景，如数据需求、训练成本、泛化能力等
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。