DynaWeave convierte tareas estáticas con herramientas en escenarios cambiantes

Cuando un agente usa herramientas para completar una tarea, una nueva petición, un servicio no disponible u otro cambio externo puede hacer fracasar su plan original. Muchos entornos de tareas apenas cambian después de que empieza el trabajo.

¿Se pueden convertir las tareas existentes en escenarios cambiantes realistas y comprobar de forma fiable si el agente se adaptó a los cambios que realmente ocurrieron?

DynaWeave convierte tareas existentes con herramientas en escenarios verificables y cambiantes, y usa demostraciones de interacción comprobadas para entrenar agentes que se adapten.

Los autores usaron DynaWeave para crear 2,095 trayectorias de interacción verificadas en 36 entornos y luego siguieron entrenando modelos Qwen3.5.

Compararon modelos con y sin este entrenamiento en Gaia2, que evalúa aplicaciones cambiantes; CostBench, que evalúa la planificación de viajes cuando cambian los costos y la disponibilidad; y ToolMaze, que evalúa la recuperación ante errores de herramientas y resultados alterados.

En los tres tamaños de modelo evaluados, los modelos entrenados mejoraron en general en Gaia2 y ToolMaze, y completaron más tareas en CostBench. Por ejemplo, la tasa de finalización de Qwen3.5-2B en CostBench subió del 3.00% al 70.34%.

Las pruebas usan entornos distintos de los del conjunto de entrenamiento, lo que respalda la interpretación de los autores de que estas demostraciones pueden ayudar a los agentes a adaptarse más allá de sus entornos de entrenamiento.

Los resultados abarcan tres tamaños evaluados de Qwen3.5 y tres pruebas; no muestran mejoras en todas las tareas o situaciones.

El artículo no especifica si cada modelo entrenado partió exactamente del mismo punto de control que su línea de base, y siguieron siendo difíciles los resultados incorrectos de herramientas que no indicaban explícitamente un error y las respuestas oportunas a los cambios.