RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents

• 类型：arxiv
• 标识：2606.19047
• 链接：http://arxiv.org/abs/2606.19047v1
• 主分类：agent
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：RODS (Reward-driven Online Data Synthesis) closes the loop between RL training and data generation by repurposing the progress reward variance as a practical, zero-cost boundary detector that requires no extra inference beyond the rollouts already computed for training.
• OpenAlex ID：W7165162076
• OpenAlex DOI：10.48550/arxiv.2606.19047
• DOI：10.48550/arxiv.2606.19047
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.19047
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 副分类：engineering
• 标题中文：RODS：面向多轮工具使用 Agent 的奖励驱动在线数据合成
• TLDR中文：RODS（Reward-driven Online Data Synthesis）通过将进度奖励方差重新用作零成本边界检测器，在 RL 训练与数据生成之间形成闭环，无需在训练已有的 rollout 之外增加额外推理。
• 来源文件：
• /inbox/tom/_candidates/2026-06-18-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]