arXiv · AI· Tianle Chen, Pushkar Singh, Ketan Todi, Biswajit Paria, Qijia He, Wenqi Wang, Yuwen Tan, Jike Zhong, Sugato Basu, Deepti Ghadiyaram, Arjun Akula·· 2026-10-15AI 评分39
DeLoop:针对长程智能体重复动作的自监督训练方法
DeLoop: Repeated Actions as Self-Supervision for Long-Horizon Agents
AI 导读
DeLoop 提出一种自监督训练方法,利用智能体自身轨迹中的循环动作作为负例、首个非循环动作作为正例,通过直接偏好优化减少长程任务中的无效重复。 在 Qwen3-8B 模型上,DeLoop 将 CodeGym 压缩场景下包含循环动作的任务比例从 57.3% 降至 6.1%,且任务成功率相近的情况下步骤数减少约三分之二。
来源:arXiv · AI · arxiv.org