arXiv · cs.AI· Yuqian Fu, Kaiwen Jiang, Zijun Song, Jiawei Wang, Yuanheng Zhu, Dongbin Zhao·· 2 天前
TSRL：通过困难状态触发监督强化学习进行持续Agent训练
TSRL: Trigger-based Supervised Reinforcement Learning for Continual Agent Training
arXiv:2610.17726v1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：Yuqian Fu, Kaiwen Jiang, Zijun Song, Jiawei Wang, Yuanheng Zhu, Dongbin Zhao
研究任务与主要进展
Yuqian Fu等人提出TSRL，在强化学习训练Agent时，仅对策略失败的困难状态选择性加入监督微调，以减少持续学习中的灾难性遗忘。基于论文摘要，作者报告该方法在ALFWorld、WebShop和Deep Search三个基准的7B与32B规模上均取得增益，并在持续学习场景中较SFT→RL基线保留最多9.6个百分点的既有任务能力，同时达到或超过目标任务表现。
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