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
- AI 日报:传 OpenAI GPT-Live-1 上 API,Pro 订阅暂停新注册 — koltregaskes · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11