北卡团队发布错误靶向强化学习方法MiRL
热点事件持续更新
北卡团队发布错误靶向强化学习方法MiRL
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
北卡团队发布论文，提出MiRL（Misbehavior-driven RL），把错误靶向训练用于终端智能体，使模型根据失败轨迹学习减少重复犯错。团队称，在未见前缀上，该方法的重复犯错率平均降低43%—57%。 基于Qwen3.5-4B的测试中，MiRL在Terminal-Bench Lite得分51.8%，高于TMax-4B的47.4%；在Terminal-Bench 2.1得分21.3%，略高于后者的20.6%，而rollout用量仅为TMax-4B的35%。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 00:26
MiRL 论文：错误靶向 RL 让终端 agent 重复犯错减少 43-57%报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI HuntMiRL 论文：错误靶向 RL 让终端 agent 重复犯错减少 43-57%
北卡团队发布 MiRL 论文，将错误靶向 RL 引入终端 agent 训练，使策略在未见前缀上的重复犯错平均减少 43-57%。基于 Qwen3.5-4B，Terminal-Bench Lite 得分 51.8%，高于 TMax-4B 的 47.4%；Terminal-Bench 2.1 得分 21.3%，略高于 20.6%，且 rollout 用量仅为后者的 35%。
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。