LLaDA 2.2 用 L-EBPO 阻断长任务错误传播
omarsar0 · x · 2026-07-26
这条解释的是 LLaDA 2.2 的训练与纠错机制。
- 它的 RL 阶段继续沿用前面的 block-level editing 思路。
- L-EBPO 把 block-level policy optimization 和编辑操作结合起来，让模型从环境反馈中学会：什么时候删掉坏掉的片段，什么时候补上缺口。
- 作者的核心判断是，这能在轨迹层面阻断错误传播，缓解长任务 agent 里常见的 model collapse。
所属事件:蚂蚁开源扩散大模型 LLaDA 2.2，主打智能体与自纠错(10 条相关)→
「模型」频道最新
- Arav Srinivas 称 GLM 被低估，700B 规模接近 Opus — AravSrinivas · 2026-07-28
- Kimi K3 复现 RLVR 研究结论且不乱下结论 — infoxiao · 2026-07-28
- Inference.net 推出流量镜像评测流程，先试 Kimi K3 再切换 — MatthewBerman · 2026-07-28
- Claude 被退订：ChatGPT/Codex 5.6、Sol、Kimi 3 都吃力 — sull · 2026-07-28
- GLM 5.5 被曝 8 月发布，主打长程智能体循环 — bindureddy · 2026-07-28
- Kimi K3 登陆日本，2.8 万亿参数开权重并给出低价推理 — DavidBennett__ · 2026-07-28