DeLoop 用自身 rollout 消除 Agent 循环，Qwen3-32B 成功率升至 44.8%

谷歌与多所高校提出 DeLoop，通过利用 Agent 自身 rollout 构造正负样本，并用 DPO 减少长任务中的重复工具调用循环。在 CodeGym 压缩场景下，Qwen3-8B 出现循环的任务占比从 57.3% 降至 6.1%，Qwen3-32B 任务成功率从 37.7% 提升至 44.8%。代码与数据将公开。