热点事件持续更新

DeLoop：用循环动作自监督减少长程Agent重复调用

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Tianle Chen 等在 arXiv 论文（arXiv:2610.19376）中提出 DeLoop，一种自监督训练方法，用于减少长程 Agent 中的重复工具调用循环：从智能体自身轨迹中提取循环动作与后续非循环动作构成正负偏好对，再用直接偏好优化训练，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 含循环任务的比例从 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%，同时循环和步骤均减少。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

DeLoop利用重复动作自监督训练长程智能体

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv · cs.AI
DeLoop利用重复动作自监督训练长程智能体
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。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。