arXiv · cs.AI· Tianle Chen, Pushkar Singh, Ketan Todi, Biswajit Paria, Qijia He, Wenqi Wang, Yuwen Tan, Jike Zhong, Sugato Basu, Deepti Ghadiyaram, Arjun Akula·· 4 小时前
DeLoop利用重复动作自监督训练长程智能体
DeLoop: Repeated Actions as Self-Supervision for Long-Horizon Agents
arXiv:2610.19376v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tianle Chen, Pushkar Singh, Ketan Todi, Biswajit Paria, Qijia He, Wenqi Wang, Yuwen Tan, Jike Zhong, Sugato Basu, Deepti Ghadiyaram, Arjun Akula
研究任务与主要进展
作者提出DeLoop，利用智能体轨迹中的循环动作和后续非循环动作构造正负偏好对，通过直接偏好优化减少重复工具调用，且不需要任务奖励、标准答案或LLM评审。基于论文摘要，在CodeGym历史压缩实验中，Qwen3-8B含循环任务比例从57.3%降至6.1%，每任务步骤约为原来的三分之一且任务成功率相近；Qwen3-32B的任务成功率从37.7%提升至44.8%，同时循环和步骤减少。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org