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
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27