Meta FAIR与普林斯顿提出Self-Direction技能训练法
热点事件持续更新
Meta FAIR与普林斯顿提出Self-Direction技能训练法
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
Meta FAIR与普林斯顿研究者提出Self-Direction方法：智能体任务失败并重试后，将自我反思训练成小型LoRA技能并加入技能库，供后续相关任务复用，同时保持基座模型冻结。研究者称，在基座Qwen3.6-27B、三次完整运行均值条件下，该方法使Terminal-Bench 2.1成功率提升13.8个百分点；论文与实现尚未发布。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI HuntMeta FAIR 与 Princeton 提出 Self-Direction：用 LoRA 技能将 Agent 失败转化为可复用经验，Terminal-Bench 2.1 成功率提升 13.8pp
Meta FAIR 与 Princeton 的研究者提出 Self-Direction，在 Agent 重试失败后将自我反思训练为 LoRA 技能，并存入技能库供后续复用，基座模型保持冻结。
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。