CAST：面向可靠长程工具调用智能体的批判感知监督训练框架

CAST 是一个批判感知训练框架，可将稀疏的任务结果转化为动作级监督，用于批判学习与策略优化，并合成结构化理由来解释部分可观测条件下的动作有效性。在动态工具调用基准上微调 Qwen3 系列模型后，CAST 在 Retail 任务上 pass^4 超过 GPT-OSS-120B 逾 10%，在 Telehealth 的域外场景中再提升 9%。该工作已被 EMNLP 2026 主会接收。