北卡团队发布 MiRL：错误驱动 RL 高效训练终端智能体

北卡罗来纳大学教堂山分校团队发布 MiRL（Misbehavior-driven RL），将「错误靶向学习」引入终端（命令行）agent 训练。研究发现终端任务失败高度集中：仅 8 类反复出现的错误就占 52% 的失败步骤。MiRL 先对策略错误进行画像，再在大量环境中针对性强化学习，使 agent 重复犯错减少 43-57%，且仅用约 35% 的算力即可追平完整配方训练的效果，实现更高效的学习。

2026-10-28 ~ 2026-10-28 · 3 条相关

• MiRL 论文:错误靶向 RL 让终端 agent 重复犯错减少 43-57% — _akhaliq · 2026-10-28
• 8 类错误占 52% 失败步骤，MiRL 用 35% 算力训平 Terminal Agent — mohitban47 · 2026-10-28

另有 1 条近重复转述:mohitban47