研究人员推出了一种新颖的错误定向强化学习方法MiRL,旨在纠正终端代理中的特定行为不当问题。这些代理通过与命令Shell交互来完成长周期任务。MiRL识别重复出现的错误,训练代理避免这些错误,并验证改进效果。当应用于Qwen3.5-4B模型时,MiRL在未见过的任务前缀上,将测量到的行为不当频率平均降低了43%至57%。该方法在Terminal-Bench Lite和Terminal-Bench 2.1等基准测试中,也展现出与TMax-4B相当的性能,同时所需的试运行次数显著减少。 AI
影响 这项研究提供了一种通过针对特定错误来调试和改进AI代理的新方法,有望带来更可靠、更高效的AI系统。
排序理由 该集群包含一篇研究论文,详细介绍了一种改进AI代理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →