PulseAugur
中
实时 12:17:20
实体 TMax-4B

TMax-4B

PulseAugur coverage of TMax-4B — every cluster mentioning TMax-4B across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_324609 ·

    新的MiRL方法通过定向RL纠正终端代理行为不当

    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…