提出ReTRAIL长时程智能体回溯框架

Ziang Ye等作者发布ReTRAIL框架论文并开源代码，提出让智能体回溯环境状态到早前节点、同时保留有效进展并迁移已放弃分支所学知识的长时程任务求解方法。该方法用状态锚定GRPO比较重访状态后的不同续接方案，并以分支推进奖励引导反思。 在MineSweeper、Sokoban、ALFWorld和ScienceWorld四个交互基准上的实验显示，单独加入回溯原语收益有限，甚至可能降低性能，需与经验复用等机制结合。代码已在GitHub上公开。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。