Joint Optimization of Tool Creation and Use for Large Language Model Agents

SMITH 在单一策略中交替执行“从示例写工具”的 build rollout 与“调用池化工具”的 use rollout，并为 schema、代码、结果设置独立奖励。4B Qwen3 在 13 个精确验证程序推理任务上达 79.8 宏平均准确率，超过未训练的 30B-A3B 工具编写器；TabMWP-Hard 40.4、OOD GQA 42.6，比同骨干推理时基线高 7.6 点。工具质量还会外溢提升 LFM-2.5-350M 和 Qwen3-30B-A3B。