Trajectory2Gym：面向工具调用智能体的决策可溯交互合成方法

Trajectory2Gym 提出不再单纯收集成功轨迹，而是围绕覆盖不足的组合结构构造可执行交互，并只从执行中可溯的决策提取监督信号。方法包含结构支持选择与父级归一化监督微调，在五个 Qwen3 规模上均提升 Tau1、Tau2 和 BFCL，三项基准等权平均提高 16.9-29.8 个百分点，多轮与有状态交互场景增益最明显。