实体
EnvScaler
EnvScaler
PulseAugur coverage of EnvScaler — every cluster mentioning EnvScaler across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Agent-Reflex 框架训练语言代理进行反思性行动
研究人员推出了 Agent-Reflex，一个旨在增强语言代理反思能力的新型训练框架。该框架解决了在现实世界部署中代理遇到嘈杂反馈和用户干预所带来的挑战。Agent-Reflex 采用三阶段流程：环境反思技能发现 (RSD) 以挖掘可重用的反思元技能，反思性监督微调 (ReSFT) 将这些技能转化为自我纠正和恢复的监督，以及结合强化学习和反思引导蒸馏的策略内反思策略优化 (ORPO)。当应用于 Qwen3-8B 模型时，Agent-R…
-
AdviSD方法通过自蒸馏训练顾问模型来指导LLM
研究人员开发了AdviSD，一种通过自蒸馏训练顾问模型来指导大型语言模型（LLM）的新颖方法。该技术通过选择性地从反馈中学习，即使在纠正不改变执行器即时输出的情况下，也能增强顾问提供有效建议的能力。实验表明，当使用Qwen3_8B顾问指导Gemini和Claude模型在BFCL v3和EnvScaler等基准上运行时，AdviSD的性能显著优于顾问-GRPO等现有方法。训练好的顾问在各种任务和模型家族中表现出泛化能力。