E3-TIR：工具集成推理的智能体训练新范式

本文介绍了E3-TIR（工具集成推理的增强经验利用）这一智能体训练新范式，其核心是融合专家前缀、专家引导和自我探索三种经验类型，旨在解决工具集成推理训练中探索效率低、数据成本高的问题。实验表明该范式实现性能提升6倍、数据需求降低90%、ROI提升1.46倍，以下将分楼层展开背景、方法、实验结果等内容。

工具集成推理（TIR）是AI智能体的核心能力，能调用外部工具辅助推理解决复杂任务，但现有训练范式存在困境：Zero-RL方法探索低效易陷入局部最优；SFT-then-RL方法数据成本高且易因低熵崩溃陷入能力平台期。

E3-TIR通过三阶段动态融合经验：1.专家前缀：学习专家轨迹关键决策点，快速建立工具使用基础认知；2.专家引导：以专家锚点为核心展开分支探索，平衡方向与多样性；3.自我探索：鼓励跳出专家框架，扩展知识边界，与专家引导互补。

E3-TIR引入混合策略优化机制，通过动态调整不同来源经验的权重缓解分布偏移问题，同时采用层次化信用分配机制解决共享前缀的优化冲突，确保模型从多样化经验中稳定学习。

实验结果显示：E3-TIR相比传统范式性能提升6倍；合成数据需求降低90%以上；综合ROI指标提升1.46倍，证明其在性能、数据效率和资源投入回报上的显著优势。

E3-TIR突破了现有训练瓶颈，为智能体训练提供新范式，其专家与探索结合的思路可借鉴到多工具协同、长期任务规划等人机协作场景，为资源受限下高效训练高性能智能体提供方向。