Hugging Face Daily Papers·· 2026-10-14精选AI 评分78
DeLoop:通过重复动作作为自监督实现长视界智能体的训练优化
DeLoop: Repeated Actions as Self-Supervision for Long-Horizon Agents
AI 导读
针对语言模型智能体在长任务中频繁出现重复工具调用(循环)的问题,论文提出 DeLoop 方法。该方法利用智能体自身的 rollout 数据,将循环动作视为负样本、后续非循环动作为正样本,通过直接偏好优化进行自监督训练,无需外部奖励或人工评判。
推荐理由
提出利用自身循环行为进行自监督训练的 DeLoop 方法,无需奖励或人工评判即可降低长任务中的重复操作并提升成功率。
来源:Hugging Face Daily Papers · arxiv.org