深度分析
TRON 與 TOON 在 Agentic AI 中的代幣減少與準確度分析
研究針對Agentic AI系統中JSON的高代幣開銷，測試TOON與TRON兩種精簡格式。結果顯示TRON可減少最高27%代幣，準確度僅下降14個百分點；TOON減幅較低但在多回合解析易失敗。在多工具與長結果情境下，TRON的類別定義可削減重複結構代幣，然而於少數工具任務會因批次開銷提升代幣。
深度分析
研究針對Agentic AI系統中JSON的高代幣開銷，測試TOON與TRON兩種精簡格式。結果顯示TRON可減少最高27%代幣，準確度僅下降14個百分點；TOON減幅較低但在多回合解析易失敗。在多工具與長結果情境下，TRON的類別定義可削減重複結構代幣，然而於少數工具任務會因批次開銷提升代幣。
深度分析
隨著多模態模型依賴獎勵式後訓練，傳統靜態影像問答資料受限於標註成本與重複性。研究提出TRON，透過生成器與驗證器即時產出新穎圖像‑問題對，並以可驗證規則給予確切回饋。實驗顯示，TRON‑DAPO在十項視覺推理基準上顯著提升多個大型VLM的表現。