TSRL：困难状态触发SFT的持续Agent训练框架

Yuqian Fu 等人在 arXiv 发布 TSRL（Trigger-based Supervised Reinforcement Learning）论文，提出以强化学习为优化主干、仅当策略失败时在"困难状态"上选择性加入监督微调的智能体训练框架，以缓解持续学习中的灾难性遗忘。 基于论文摘要，作者报告在 ALFWorld、WebShop 和 Deep Search 三个基准、7B 与 32B 两种规模上均取得增益；在持续学习场景中较 SFT→RL 基线最多多保留 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。目前结果为作者报告，尚未见独立验证。

AI 根据报道生成 · 1 天前更新