Q：Tool-use 轨迹长度与任务复杂度有什么关系？训练数据应如何分布？

来源：唯品会/大模型算法实习

新手答：“简单任务轨迹短，复杂任务轨迹长，训练时都放一些。”

高手答：

轨迹长度不是目标，而是任务复杂度、工具依赖深度和失败恢复次数的结果。最短轨迹通常是一次工具调用：识别意图、填参数、调用、回答；最长轨迹可能包含规划、多个有依赖的工具、观察结果、重规划和失败恢复。

数据集不能按 token 长度机械配比，应按能力分桶：

分桶	典型轨迹	训练目标
单工具短轨迹	1 次调用	Schema 遵循、参数填充
多工具并行	多个无依赖调用	工具选择、结果聚合
多工具串行	A 的输出作为 B 的输入	依赖推理、状态传递
长程恢复轨迹	调用失败后重试或换工具	错误诊断、重规划

工程上先统计生产任务的步骤数、工具数、依赖深度和失败率，再分层采样。训练时使用长度分桶和 token-budget batch，避免少量超长样本吞掉显存；评测则按桶分别报告成功率，不能只看总体平均值。

差距在哪：新手只看到“长短”，高手会把轨迹长度还原为工具依赖、规划和恢复能力，并说明如何分桶采样与分层评测。面试官考的是训练数据是否真实覆盖线上任务分布。