深度分析
TOFFEE：結合蒙特卡羅樹搜尋與自適應成本模型的高品質資料代理人軌跡合成系統
隨著大型語言模型驅動的資料代理人在企業決策中的應用日增，TOFFEE利用蒙特卡羅樹搜尋與自適應模型選擇，自動合成高品質資料代理人軌跡，並在相同預算下提升合成品質與下游微調效能。系統支援前綴重用與預算感知成本模型，降低重複計算，在KramaBench與DSBench上超越OpenAI o3等模型。
深度分析
隨著大型語言模型驅動的資料代理人在企業決策中的應用日增，TOFFEE利用蒙特卡羅樹搜尋與自適應模型選擇，自動合成高品質資料代理人軌跡，並在相同預算下提升合成品質與下游微調效能。系統支援前綴重用與預算感知成本模型，降低重複計算，在KramaBench與DSBench上超越OpenAI o3等模型。
深度分析
隨著大型語言模型驅動的資料代理人在企業環境中應用日增，現有系統難以跨資料庫泛化。研究提出TOFFEE系統，結合蒙特卡羅樹搜尋與自適應模型選擇，能在限定預算下自動合成高品質的多步驟分析軌跡。實驗顯示合成軌跡可提升微調與示範學習效能，超越現有基線。