arXiv · cs.AI· Jiaming Su, Tengchao Yang, Ruikang Zhang, Zhengan Yan, Haoyu Sun, Linfeng Zhang·· 5 小时前
AnomalyAgent通过工具增强强化学习进行工业异常合成
AnomalyAgent: Agentic Industrial Anomaly Synthesis via Tool-Augmented Reinforcement Learning
arXiv:2604.07900v2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：Jiaming Su, Tengchao Yang, Ruikang Zhang, Zhengan Yan, Haoyu Sun, Linfeng Zhang
研究任务与主要进展
AnomalyAgent提出带自反思、知识检索和迭代优化能力的工业异常合成智能体，利用五种工具进行闭环优化。该方法采用监督微调结合强化学习的两阶段训练，并通过任务、反思和行为奖励约束异常质量、提示词改进与轨迹遵循。
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