One Task, Many Interfaces: Simple Cross-Interface Consistency Training Improves LLM Agent Robustness

我们提出跨接口策略正则化（CIPR），一种自监督目标，将动作名称替换为无信息标识符，并在两个接口下呈现每个训练样本，通过构造识别等价动作。CIPR对两个接口下诱导的动作分布之间的KL散度进行惩罚，使策略在两者之间保持一致。我们在监督学习和强化学习后训练中评估CIPR，其增强了鲁棒性。